具身后训练/强化学习算法工程师

岗位职责： 1.负责具身策略模型的后训练方法研究与工程实现，覆盖 SFT、模仿学习、行为克隆、DAgger、离线强化学习、在线强化学习、RLFT、偏好优化和奖励建模等方向。 2.面向机器人操作任务设计策略优化方案，包括抓取、放置、推拉、插拔、开关门/抽屉、上下料、多步骤操作和长程任务等场景。 3.研究基础策略模型到具体任务技能的适配路径，探索如何通过任务数据、失败样本、奖励信号、评测反馈和在线交互提升模型表现。 4.负责机器人策略学习中的数据使用策略，包括轨迹筛选、成功/失败样本分析、正负样本构造、hard case mining、数据重加权、数据混合和课程学习。 5.设计奖励函数与奖励建模机制，包括任务完成奖励、过程奖励、安全约束、接触质量、动作平滑性、轨迹效率、碰撞惩罚和人为偏好反馈等。 6.研究离线到在线的策略迭代方法，探索如何在离线数据预训练基础上，通过仿真交互、真机小规模试验或评…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 1103 个上海技术研发岗位，其中 96 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 12K ~ 26K（25~75 分位），中位约 20K，最低 6K、最高 70K。