一、崗位職責
1. 高保真仿真環(huán)境搭建與優(yōu)化：基于Isaac Gym、MuJoCo等主流物理引擎，搭建機器人運動控制強化學習（RL）專用仿真環(huán)境，重點優(yōu)化環(huán)境并行訓練效率與物理仿真精度，保障訓練效果的可靠性。
2. 動態(tài)場景渲染管線開發(fā)：研發(fā)3DGS、NeRF等神經(jīng)渲染技術相關的動態(tài)場景渲染管線，實現(xiàn)視覺-動力學聯(lián)合仿真，支撐仿真到現(xiàn)實（sim2real）的高效遷移落地。
3. 生成式仿真系統(tǒng)構建：基于生成式世界模型構建仿真系統(tǒng)，實現(xiàn)動態(tài)場景的自動生成、場景難度的自適應調(diào)控，提升仿真環(huán)境的多樣性與泛化性。
4. 分布式仿真架構設計：設計并實現(xiàn)分布式仿真架構，支持機器人實例的實時交互、同步運行及大規(guī)模訓練數(shù)據(jù)的高效采集。
二、任職要求
1. 應用數(shù)學、計算機視覺、人工智能、電子信息工程自動化等相關專業(yè)本科及以上學歷；需具備5年以上相關領域核心算法研發(fā)落地經(jīng)驗。
2. 精通Isaac Gym、MuJoCo、PyBullet等至少一種主流物理引擎，具備機器人控制仿真相關項目的實際落地經(jīng)驗。
3. 熟悉3DGS、NeRF等神經(jīng)渲染技術原理與應用，能夠優(yōu)化渲染-物理計算的異構流水線，提升聯(lián)合仿真效率。
4. 深入理解生成式世界模型（如UniSim、GenSim等）的核心邏輯，掌握其在仿真系統(tǒng)中的應用范式與落地方法。
5.熟悉強化學習核心算法原理，具備強化學習訓練框架（如Ray RLlib、Stable Baselines等）的使用
6. 具備扎實的C++/Python高性能開發(fā)能力，能夠應對大規(guī)模仿真場景的性能需求；熟悉CUDA并行編程或ROS2者優(yōu)先。