工研院資通所_機器人控制策略模型訓練實習生(U203，工作地點: 新竹竹東/台南六甲)

研讀並實作相關模仿學習(Imitation Learning, IL)、強化學習(Reinforcement Learning, RL)論文,並與團隊共同推進控制策略模型的雛型建置、訓練與實機部署(Sim-to-Real),具體任務包含:
1. 使用 NVIDIA Omniverse Isaac Sim / Isaac Lab 建構機器人模擬環境,進行控制策略訓練
2. 進行軌跡資料蓄集,用於 IL 模型訓練
3. 實作 Sim-to-Real 轉移流程,包含領域隨機化(Domain Randomization, DR)、物理參數隨機化等技術,縮小模擬與實體之間的表現落差
4. 對訓練完成的控制策略進行實機上線驗證,記錄模擬與實機間的表現差異分析
5. 撰寫技術文件,協助記錄模擬流程、訓練架構與 Sim-to-Real 實驗結果