预算不封顶# 运控岗位招聘（WBC、灵巧手、system0+1、RL等）-自变量机器人

Hii小伙伴们


我们是自变量机器人，具身智能独角兽，国内唯一家同时被小米、字节、阿里、美团投资的具身智能公司，百亿估值，总部在深圳，在北京也有研发团队，在上海也即将会开office。我们是做具身智能大脑起家，是国内具身智能大模型第一梯队，真机数据也是最大规模。我们目前机器人形态包括轮式仿人形、灵巧手等。我们在寻找运控算法小伙伴们加入我们，虽然我们暂时不做足式人形，但我们的机器人也有70多个自由度，灵巧手运控也是很热门的方向，欢迎感兴趣的小伙伴们联系我。职位预算开放，团队扁平，60%及以上都是博士。

如果有感兴趣的小伙伴，欢迎关注我们微信公众号或官网：https://www.x2robot.com
可直接联系HR微信：490618139


岗位JD：
具身操作算法工程师（快慢系统融合）

岗位职责】
1. 负责面向家居、养老等高动态人机交互场景（如抱扶、护理、协作操作）的 System 1 / System 0 分层操作策略研发，构建低频语义规划（1–10 Hz）与高频行为生成（50–100 Hz）协同的统一框架，实现长短时序解耦与稳定闭环控制。
2. 设计并实现 System 1 层的操作语义建模能力，包括轨迹、接触模式与接触力等关键表示，并兼顾任务指令理解、视觉避障与多目标约束下的规划能力。
3. 研发 System 0 层高频控制策略，在关节空间生成稳定、连续且可控的操作行为，实现刚度调节、接触稳定与局部避障能力，并解决高频执行中的延迟、抖动与不连续问题。
4. 应用并拓展行为克隆、强化学习（RL-first paradigm）、生成式策略（Diffusion / Flow Matching）及元学习等方法，构建具备闭环执行、异常恢复与实时适应能力的操作策略。
5. 构建融合视觉、本体感知、力/触觉与语言的多模态具身模型（VLA / WAM），进行多模态信息感知、长-短时序任务目标规划、行为语义规划、运动轨迹生成等任务，并设计适配不同时间尺度的模型架构，实现从语义规划到动作生成的统一建模。
6. 推动算法在真实机器人系统中的部署与优化，参与硬件联调，定位并解决抖动、迟滞、接触不稳定等工程问题，构建推理机与执行机分离的低延迟系统架构，保证高频执行与低频推理的稳定协同。

【职位要求】
1. 硕士及以上学历，机器人、控制、计算机、人工智能等相关专业，具备扎实的数学基础与系统建模能力。
2. 熟悉机器人学习方法，包括行为克隆（BC）、强化学习（PPO / SAC 等）或生成式策略（Diffusion Policy、Flow Matching 等），理解 action chunk、轨迹生成与时序建模机制。
3. 熟悉具身多模态建模或大模型架构，如 VLA、WAM 或 Transformer-based policy，理解视觉-动作对齐、长短时序建模与 latent action 表达。
4. 掌握机器人控制基础，包括关节控制、笛卡尔空间控制、阻抗/导纳控制及接触建模，能够分析高频控制稳定性及延迟对系统的影响。
5. 具备较强工程能力，熟练使用 Python（PyTorch）进行模型开发，具备 ROS / ROS2 或机器人系统开发经验，能够处理多模态、多频率数据管线。
6. 具备系统级问题分析能力，能够定位并解决真实系统中的抖动、延迟、轨迹不连续及 sim-to-real gap 等问题，并独立设计实验进行验证与优化。

【加分项】
1. 具备高频控制或 System 0 相关经验，如 100 Hz 以上控制策略设计、learned controller、action 插值或重建等。
2. 有接触丰富（contact-rich）任务经验，如擦拭、装配、人机交互等，熟悉接触模式建模与力控制方法。
3. 有 DP / VLA / WAM / 多模态大模型训练或微调经验，包括多模态 token 设计或 action head 建模。
4. 有真实机器人系统部署经验，熟悉推理延迟优化、异步执行架构或分层控制系统设计。
5. 在具身智能或机器人学习领域（如ICRA, IROS, RSS, TRO, IJRR，RAL）有论文发表或高质量开源项目经验。


运动控制算法（强化学习方向）

1. 负责机器人领域的强化学习算法研究与开发，包括机械臂、灵巧手、机器人全身运动控制等核心技能训练；
2. 熟悉机器人端到端操作模型，研究强化学习在ACT、Diffusion Policy、OpenVLA等前沿VLA模型中的应用；
3. 基于Isaac Gym/Sim/Lab、MuJoCo等仿真平台，设计并实现机器人操作策略的强化学习训练框架，解决sim2real迁移问题；
4. 研究操作模型基于人类或者模型反馈的真机强化学习，提升模型的泛化性和精准性，进一步提升模型的能力；
5. 研究并开发模仿学习与强化学习相结合的算法，实现机器人复杂操作技能的快速学习和泛化；
6. 负责强化学习模型的蒸馏、优化和真机部署，确保算法在实际机器人系统中的稳定运行；
7. 跟踪机器人强化学习领域最新研究进展，推动算法创新和技术突破。

职位要求
8. 具有计算机视觉、人工智能、机器人学、控制工程等相关专业背景，硕士及以上学历；
9. 熟练掌握主流深度学习框架，如PyTorch、TensorFlow、JAX，并具备优秀的编程能力；
10. 具备扎实的强化学习理论基础，熟悉PPO、SAC、TD3、DDPG等主流强化学习算法，有相关项目实践经验；
11. 有Isaac Gym/Sim/Lab、MuJoCo等机器人仿真平台使用经验，具备sim2real项目开发经验；
12. 了解机器人运动学、动力学建模，熟悉机器人操作（manipulation）或运动控制相关技术；
13. 了解机器人端到端操作模型（如ACT、Diffusion Policy、OpenVLA、π0等）及大模型在机器人领域的应用；
14. 有机械臂+灵巧手或足式机器人的强化学习/模仿学习项目经验者优先；
15. 具备分布式训练经验，能够处理大规模数据和模型训练，有过强化学习系统框架开发者优先；
16. 机器人学习、强化学习相关顶级会议论文发表经历或相关比赛获奖经历者优先考虑；
17. 具有技术热情、技术信仰以及较强的学习能力和问题解决能力。


具身算法工程师（灵巧手方向）

1. 设计、训练、评估并部署面向灵巧手精细操作任务的运动策略（System 1 / System 0）。
2. 搭建灵巧手精确仿真环境，包括动力学辨识、力/触传感器与视觉传感器仿真、contact-rich任务仿真 。
3. 灵巧手的数据清洗、数据合成与数据增强，包括抓取姿态生成、retargeting等。
4. 训练多模态的灵巧手感知运动模型，实现接触力感知、目标跟踪、底层安全等能力 。
5.  与大模型、系统和硬件团队紧密协作，将策略部署到真实场景的端侧机器人系统中。

职位要求
1. 对Model Based方法与Data Driven方法之间的优劣、适用边界及实际权衡有深刻理解。  
2. 具备在真实机器人平台上开发和部署系统的实践经验，包括但不限于灵巧手、人形机器人、机械臂、无人机等。
3. 具备运动控制相关经验，熟悉行为克隆、强化学习等机器人学习方法。
4. 熟悉 Isaac Lab、MuJoCo 等仿真环境，以及 PyTorch、JAX 等适用于机器人与机器学习系统的开发框架。
5. 能够围绕真实机器人系统独立设计实验、分析故障，并进行快速迭代与优化。

加分项
1. 具备模态融合、模态对齐相关经验
2. 具备contact-rich任务、精确操作任务的sim2real经验
3. 具备VLA、真机强化学习经验
4. 在灵巧手相关领域有论文发表记录或相关公司实习经验



机器人运控算法工程师

负责运动控制算法的研发与优化，包括但不限于以下方向：
1、传统控制优化：设计并优化 PID、反馈线性化、阻抗控制等算法，以提升运动精度和鲁棒性；
2、最优控制与轨迹优化：应用轨迹优化和MPC等方法，实现优化轨迹跟踪、约束控制等功能；
3、基于动力学模型的全身控制：应用操作空间控制（Operational Space Control）的方法，实现全身控制（Whole-Body Control），并利用系统辨识来实现高性能控制；
4、全身控制：研究适用于双臂，灵巧手，轮式、双足等复杂机器人系统的协调运动控制；
5、多约束优化与实时控制：结合动力学约束、接触建模、力/位置混合控制，运用数值优化（QP、SQP、iLQR 等）实现高效实时控制。

职位要求
1、学历背景：硕士及以上学历，机器人、控制工程、计算机科学、机械电子、应用数学等相关专业（博士优先）；
2、数学基础扎实：掌握机器人动力学、优化理论、凸优化、变分法、数值计算等相关知识；
3、控制算法：熟悉传统控制（PID、LQR、阻抗控制、反馈线性化等）、最优控制（MPC、iLQR、DDP 等）、操作空间控制（OSC，WBC），有 QP-based WBC 经验者优先；
4、编程与工具：熟练使用 C++/Python，了解 ROS/ROS2、Pinocchio、CasADi 等生态工具；
5、仿真环境：熟悉 MuJoCo、Drake、Isaac Gym、Gazebo、PyBullet等机器人仿真环境。

优先考虑：
具备以下至少一项经验者优先：
1、机器人实操经验（如机械臂、灵巧手，轮式/双足/四足机器人、无人机等）；
2、发表过高水平论文（如 ICRA、IROS、RSS、NeurIPS、CoRL）或有优秀开源项目。