About The Role

岗位职责： 1.研发基于力/力矩传感器的柔顺控制算法（阻抗控制 / 导纳控制 / 力位混合控制 / 直接力控制），实现机器人在接触任务中的安全、柔顺、高精度操作； 2.设计「VLA高层决策 + 底层力控」分层控制架构：将 VLA 模型输出的动作意图（末端位姿/速度指令）转化为带力觉反馈的柔顺执行策略，解决刚性接触下的轨迹跟踪与力跟踪问题； 3.开发力觉数据采集与处理管线：6D力/力矩传感器标定、零点漂移补偿、滤波去噪、多传感器时间同步，为数据闭环提供高质量力觉通道数据； 4.负责遥操作系统力反馈设计：实现人手操作力觉的采集、复现与渲染，提升遥操作数据采集的质量与多样性； 5.搭建力控仿真验证环境（MuJoCo / Isaac Sim 接触模型、刚度/阻尼参数辨识），实现力控策略的 Sim2Real 迁移； 6.与机器人软件系统、推理部署、仿真评测团队协同，完成力控模块在真机上的整机联调与稳定性保障； 7.建立力控性能评估体系：接触力超调量、稳定裕度、力跟踪误差、任务成功率等指标的量化度量与持续优化。任职要求：经验要求: · 具有3 年以上机器人运动控制 / 力控算法研发经验，有工业机械臂、协作机器人或人形机器人真机力控落地经验者优先能力要求： 1. 全日制本科及以上，机器人学、控制科学与工程、机电一体化、机械电子等相关专业（985/211 优先）； 2.深入理解阻抗/导纳控制、力位混合控制、接触动力学与摩擦补偿，熟悉PID/LQR/MPC 等底层控制方法的工程实现； 3.熟悉机器人运动学/动力学（DH 参数、URDF、雅可比矩阵）、ROS/ROS2 通信机制，了解实时控制系统（RT）与关节伺服接口； 4.熟悉 6D 力/力矩传感器（ATI 等）的标定、滤波与数据处理，有多传感器融合经验者优先； 5.熟悉 MuJoCo / Isaac Sim / PyBullet 接触仿真，有 Sim2Real 力控迁移或参数辨识经验者优先； 6. 精通 C++/Python，具备良好的工程化编码习惯，熟悉 Git、CI/CD 与单元测试； 7.加分项：了解 VLA / 模仿学习 / 强化学习（RL）力控、Diffusion Policy 动作生成，有学习型控制经验者优先；具备视觉/多模态感知融合经验（视觉+力觉联合控制）者优先； 8.自驱力强、目标导向，具备跨团队协作与沟通能力，能独立推进从方案设计到真机验证的完整闭环。