来自 Y11（@seclink）的推文线程

高階招募：阿里達摩院招行為策略演算法工程師（P7-P9） ----- 達摩院-行為策略演算法工程師-具身智慧阿里集團· 杭州 職位描述參與具身智慧機器人行為動作能力研發，包括但不限於：； 1. BFM 核心演算法研發：參與建構與優化基於forward-backward representation / successor feature 的無監督強化學習架構； 研究多任務行為潛空間學習（Behavioral Latent Space Learning），支援reward / goal / motion 條件的統一控制策略； 探索zero-shot / few-shot 任務泛化、latent-space tuning、自適應控制、硬體本體泛化等前緣方向； 2. 模仿學習與對比學習方法研究：基於MoCap / tele-operation / 視訊資料進行動作模仿、風格遷移與示範融合； 研究示範正規化（demonstration regularization）、分佈匹配與判別器獎勵（discriminator-based reward）機制； 3. 強化學習策略訓練與評測：在Mujoco / Isaac Gym / OmniIsaacLab 等環境中實現大規模平行訓練； 優化off-policy / unsupervised RL 演算法的穩定性與樣本效率； 建構sim-to-real pipeline（包括domain randomization、latent adaptation）； 4. 策略-模型整合與系統驗證：將訓練好的策略整合到實際機器人平台（humanoid / mobile manipulator）中進行評測； 分析策略潛空間的語意結構及可解釋性； 職位要求必備背景：電腦、自動化、人工智慧、機器學習、機器人學等相關專業，碩士及以上學歷； 在強化學習、模仿學習、多任務策略學習或世界模型等方向有專案或論文經驗； 技術能力要求：熟悉強化學習演算法實現（SAC、TD； 3、PPO、DDPG、DIAYN、Dreamer、Diffusion Policy 等任一類）； 熟悉模仿學習/ 行為複製/ 逆強化學習等行為建模方法； 有獨立實現或改進RL / IL 訓練框架的經驗（PyTorch / JAX）； 熟悉模擬平台（Mujoco / Isaac Gym / Bullet / Brax 等）； 能閱讀英文論文並復現研究成果； 加分：參與過具身智能/ humanoid / manipulation 相關研究或比賽； 具備forward-backward representation / successor feature / latent RL / world model 相關經驗； 熟悉transformer / diffusion / representation learning 在控制領域的應用； 有強化學習在真實機器人上部署的經驗； ------ 報名地址詳見：https://t.co/SgMGfxLGyw 搜尋。