强化学习算法专家

【工作职责】 1、负责公司强化学习整体技术路线规划、算法框架设计及持续迭代优化； 2、主导Online RL、Offline RL、Imitation Learning、Human-in-the-loop RL、Model-based RL研发； 3、负责奖励函数设计、课程学习、探索策略、策略优化； 4、建立大规模并行训练系统，优化Sim-to-Real Gap； 5、与VLA/世界模型团队共同设计RL融合方案等。 【任职要求】 1、硕士及以上学历（博士优先），RL/控制/机器人方向； 2、精通PPO/SAC/DDPG/TD3等连续控制算法； 3、熟练使用MuJoCo/Isaac Gym/Isaac Sim； 4、具备机器人真机部署经验（双足行走/灵巧操作/双臂协同）； 5、CoRL/RSS/ICRA/IROS论文优先等。

本站当前在招 1933 个长沙岗位（全城各职能合计），其中 581 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 5K ~ 16K（25~75 分位），中位约 10K，最低 2K、最高 70K。