职位&公司对比

职位详情

• 北京
• 5-10年
• 硕士

• 机器学习
• 强化学习
• 大数据处理工具(Spark/Hadoop/Hive)
• 分布式训练
• 优秀开源项目经历
• 算法工程化经验

职责: • 负责设计和研发适用于多自由度机器人决策规划的强化学习算法（如DQN、PPO、S来自BOSS直聘AC、多智能体RL等）的研究、设计与优化，解决复杂决策与控制问题，并在实际机器人上进行验证； • 针对机器人控制场景，搭建仿真环境并设计RL训练框架； • 结合深度强化学习（DRL）技术，实现算法在真实物理系统（如机械臂、无人机）中的部署与调优； kanzhun • 优化算法训练效率（如样本利用率、并行计算、分布式训练），提升模型收敛速度与稳定性； • 将RL算法落地到实际产品中，解决动态环境下的实时决策问题； • 编写高质量的算法代码和技术文档； • 跟踪学术界与工业界前沿技术，推动算法创新； • 参与项目需求分析、技术方案设计和算法性能优化 要求: • 硕士及以上学历，计算机科学、人工智能、自动化、控制科学与工程、直聘应用数学、统计学等相关专业； • 扎实的机器学习与强化学习理论基础，熟悉MDP、贝尔曼方程、策略梯度等核心概念； • 熟悉模糊控制、MPC、路径规划等算法； • 精通至少一种主流深度学习框架（PyTorch/TensorFlow），具备DRL算法实现经验； • 具备良好的英文文献阅读能力； • 具备良好的沟通能力和团队合作精神 加分项: • 了解机器人运动学/动力学建模，或有实际系统（如ROS）集成经验； • 熟悉现代控制理论基础，如状态反馈控制、自适应控制等； • 熟悉分布式训练框架（Ray/RLLib、Horovod）及CUDA加速技术者优先； • 熟悉主流RL库（Stable Baselines3、RLlib、Spinning Up）； • 熟悉AutoRL、课程学习（Curriculum Learning）等自动化训练技术； • 熟悉ROS/ROS2机器人操作系统； • 有系统控制仿真、PLC开发等相关项目经验； • 在相关领域发表过高水平论文或拥有相关专利