1.强化学习算法开发： 设计、开发和优化强化学习算法，用于自主决策和控制，包括深度强化学习（DRL）、策略梯度方法、Q-learning等；

2.模仿学习与Diffusion Policy： 研究并实现模仿学习和Diffusion Policy相关算法，推动在复杂任务中的应用，提升机器人自主学习的效率与效果；

3、模型训练与评估： 基于深度学习框架（如TensorFlow、PyTorch等）训练强化学习和模仿学习模型，进行评估和改进，确保模型在不同环境中的鲁棒性；

4.仿真环境搭建： 构建并优化仿真环境，用于训练和测试强化学习及模仿学习算法，模拟真实世界中的各种场景；

5．跨部门协作： 与机器人工程团队、计算机视觉团队等密切合作，集成强化学习及模仿学习算法到实际产品中，支持机器人在复杂环境中的自主学习和决策；

6.前沿技术跟踪： 跟踪强化学习、模仿学习和Diffusion Policy领域的最新研究动态，评估并引入适合的新技术和方法；

7.算法调试与优化： 在实际应用中调试和优化算法，解决算法在部署过程中遇到的性能瓶颈和问题；

任职要求：

1．计算机科学、人工智能、电子工程、数学等相关专业硕士及以上学历；

2．精通Python、C++等编程语言，熟悉强化学习、模仿学习和Diffusion Policy相关算法，有深度学习框架（如TensorFlow、PyTorch等）使用经验，具备良好的算法开发与优化能力；

3．深入理解强化学习、模仿学习及其在Diffusion Policy中的应用，有策略梯度方法、Q-learning、模仿学习等相关经验者优先；

4．具有实际项目经验，特别是在机器人、自主驾驶、智能制造等领域应用强化学习和模仿学习算法的经验；

5.具备快速学习新技术和工具的能力，对前沿研究有强烈的兴趣和敏感度；

6.优秀的沟通能力和团队合作精神，能够与其他工程师和研究人员紧密合作，推动项目进展；

7.有相关行业经验者优先，特别是在强化学习、模仿学习算法落地和产品化方面的经验。

加分项：

有基于强化学习和模仿学习的机器人控制系统开发经验；

参与过强化学习、模仿学习相关的科研项目并有论文发表；

熟悉多智能体系统（MAS）中的强化学习与模仿学习应用。