模块方向：具身大模型方向 课题方向：可微动力学+Human Coach在线RL 内容方向：可微物理引擎在真实机器人上面临sim2real gap问题。 梯度优化的 "短视陷阱"，缺乏长远的技能结构。这导致可微动力学很容易陷入局部最优。 Human Coach 的 "交互带宽瓶颈"。 梯度信号与人类反馈的 "融合难题"。人类反馈稀缺但是“金标准”，如何高效融合是最根本的算法挑战。 岗位职责 真实机器人可微动力学建模与系统辨识。研究面向真实人形机器人的可微动力学架构，开发高效的在线系统辨识方法。 基于可微动力学的高效在线 RL 算法。设计 "梯度规划 + 学习校正" 的混合控制框架。 Human Coach 交互范式设计与实现。 研究梯度-自然语言双信号融合学习框架。 专业要求： 计算机、自动化、机器人、力学、数学等相关专业硕士及以上学历 扎实的最优控制、强化学习、动力学建模基础，精通轨迹优化、MPC等核心方法 有机器人动力学或物理仿真相关研究经验，理解刚体动力学、接触力学、有限元等基础概念 加分项： 有可微物理、可微仿真、Differentiable Programming 相关研究经验 有人形机器人 / 机械臂的真实控制经验，踩过 "仿真很完美、真机一团糟" 的坑 有人机交互、遥操作、人类反馈学习（RLHF/RLAIF）相关项目经验 熟悉 JAX、PyTorch 等支持自动微分的框架，有高性能数值计算开发经验 有控制理论背景，理解 LQR、iLQR、DDP、MPC 等经典控制算法