我们是京东物流研发团队，目前正在搭建团队，对于想从事具身智能研究方向的同学是一个很好的实习机会。团队负责人是超强技术大佬。

希望你能具备较强的学习能力和自驱力；有责任心，良好的沟通能力，能较好配合团队工作。

请将你的个人简历（请注明可实习起始日期和时长）及相关项目/论文成果发送至  liulige.neo@jd.com，邮件标题请注明“姓名-学校-专业-意向实习方向-实习生”。

实习方向：

不限岗位内容要求：可全栈，也可负责单一方向

1、具身算法工程师-抓取与运动规划

职位内容 ：

1. 研发并优化货品 2D/3D 识别、姿态估计与高鲁棒抓取位姿生成算法。

2. 建立机械臂运动学 / 动力学模型，开发轨迹规划、碰撞规避与实时 re-planning 算法。

3. 引入 Diffusion Policy、Autoregressive Transformer、VLA 等端到端策略模型，实现抓取-运动一体化控制。

4. 与运动控制、系统集成团队协作，完成算法量化部署、边缘推理加速及实时监控告警。

职位要求： 

1. 计算机、自动化、机器人等相关专业本科及以上学历。

2. 理解机器人运动学、动力学，熟悉 MoveIt / OMPL / ROS 2 控制链。

3. 掌握一种端到端抓取策略（如 Diffusion Policy、VLA）。

4. 具备 Sim2Real 迁移、协作臂调试及安全碰撞处理实践者优先。

5. 在 ICRA / IROS / CoRL / RSS 等顶会发表论文或知名开源项目贡献者加分。

2、 具身算法工程师-遥操作（Teleoperation）

职位内容 ：

1. 研发人-机-机遥操作框架，构建 VR/AR 示教、力反馈等交互管线，实现同构或异构机械臂动作实时映射与控制。

2. 设计并优化 Retargeting 算法：骨架/关节约束姿态映射、动态尺度归一化、延迟补偿与误差修正。

3. 深度融合视觉、力-触觉等多模态传感，开发在线校准与自适应控制策略，保障远程操作稳定性与安全性。

4. 引入 Imitation Learning、Behavior Cloning、Diffusion Policy 等方法，将遥操作示教数据转化为端到端策略模型，实现少样本泛化。

5. 构建示教数据管理与回放平台，支持自动标注、性能评估与线上 A/B 测试闭环。

6. 联合系统集成与控制团队，完成算法量化部署、边缘推理加速及低时延网络优化。

职位要求：

1. 计算机、自动化、机器人等相关专业本科及以上学历，有遥操作或同构/异构 Retargeting 研发经验优先。

2.机器人运动学/动力学与实时控制，对 Lie 群空间映射、约束优化有实践经验。

3. 熟悉 ROS 2、MoveIt、Unity 或 Mujoco 仿真平台，具备 VR/AR 、人机交互或力反馈设备集成经验。

4. 有 Imitation Learning / Diffusion Policy / Reinforcement Learning 示教学习项目经验或论文成果者优先。

5. 在 ICRA / IROS / CoRL / SIGGRAPH 等顶会发表论文或有知名开源项目贡献者加分。

3、需求内部名称 运动控制算法工程师-强化学习与仿真（RL & Simulation）

职位内容 ：

1. 建立并优化机械臂 / 移动底盘运动学-动力学模型，设计模型预测控制（MPC）与轨迹跟踪算法。

2. 基于深度强化学习（SAC、PPO 等）开发高鲁棒、自适应运动控制策略，支持力/位混合控制。

3. 构建 Gazebo / Isaac / MuJoCo 等高保真仿真环境，实施随机化与 Curriculum Learning，提升 Sim2Real 迁移效率。

4. 研发离线 RL、模仿学习与安全约束 RL 流程，缩短策略收敛时间并保障操作安全。

5. 搭建示教 & 回放数据飞轮，持续监控线上控制性能并执行 A/B 测试。

6. 与系统集成、边缘计算团队协作，完成控制算法量化部署、实时推理加速及低时延通讯优化。

职位要求：

1. 计算机、自动化、机器人等相关专业本科及以上学历。

2. 掌握机器人运动学、动力学与控制理论，熟悉 MPC / LQR / 优化控制。

3. 掌握至少一种深度强化学习算法（SAC、DDPG、PPO 等）并有实际工程落地。

4. 熟悉 ROS 2、MoveIt，具备 C++ / Python 高性能开发能力及仿真平台