1. 负责基于强化学习的人形机器人运动控制算法研发，聚焦双足站立、行走、转弯、跑跳、姿态调整及复杂地形适配等核心场景，优化运动稳定性、精度与流畅度，解决运动过程中的失衡、卡顿、抖动等核心问题。 2. 设计适配人形机器人高自由度特性的强化学习算法框架与深度网络架构，熟练运用PPO、SAC、TD3、DQN等主流深度强化学习算法，结合模仿学习、逆强化学习等技术，优化策略泛化性、实时性与安全性。 3. 搭建并优化机器人仿真训练环境，熟练使用Isaac Gym/Lab、MuJoCo、PyBullet、Gazebo等仿真工具，开展动力学建模与仿真验证，实现强化学习算法的高效训练与迭代，攻克Sim2Real（仿真到现实）迁移难题，通过域随机化、Real2Sim实物反哺仿真等方式，缩小仿真与真实环境的差距。 4. 负责强化学习算法在人形机器人真机上的部署与调试，结合视觉、力觉、IMU等多模态传感器反馈，构建闭环控制体系，完成算法性能指标的评估、迭代与落地，推动算法与机器人本体、关节模组、嵌入式系统的深度适配。 5. 配合感知、硬件、任务规划等跨团队协作，将感知数据融入运动控制，实现机器人对复杂环境的自适应调整，推动算法与人形机器人整机系统的集成优化，支撑整机运动能力的产品化迭代。 6. 编制运动控制相关技术文档、测试方案，记录调试数据，建立算法性能评估体系，沉淀技术经验与标准化流程，支撑团队技术能力提升。