物理AI 物理引擎工程师
岗位摘要
负责物理智能仿真平台核心模块的开发与架构设计，对标 Nvidia Isaac Lab 与 Warp；实现刚体动力学仿真算法，包括 Featherstone 算法、Newton-Euler 公式及约束求解（LCP、impulse-based、XPBD）
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 负责物理智能仿真平台核心模块的开发与架构设计，对标 Nvidia Isaac Lab 与 Warp
- 实现刚体动力学仿真算法，包括 Featherstone 算法、Newton-Euler 公式及约束求解（LCP、impulse-based、XPBD）
- 开发柔性体与材料力学仿真模块，基于 XPBD 或 FEM 实现布料、毛发等柔性体物理模拟
- 设计接触与摩擦模型，处理高密度接触环境中的非光滑动力学问题
- 探索可微分仿真（Differentiable Simulation）在轨迹优化与策略学习中的应用
- 优化 GPU 物理仿真性能，针对碰撞检测与求解器进行 warp-level 与共享内存层面的深度调优
- 推动物理仿真引擎与神经网络训练流程的融合，实现 differentiable physics layer
任职要求
- 深入理解线性代数（矩阵分解、稀疏矩阵操作）、数值优化（牛顿法、共轭梯度法）及现代优化理论
- 深刻理解分析力学（拉格朗日力学 vs 牛顿欧拉公式）对约束稳定性的影响
- 掌握刚体动力学原理，包括 Featherstone 算法、Newton-Euler 方程、广义坐标系理论
- 熟悉柔性体仿真（XPBD/FEM）、接触摩擦模型（内点法、库伦摩擦锥离散化）及计算流体力学（有限差分/SPH）
- 具备 CUDA / Nvidia Warp / Taichi 的 GPU 高性能编程能力，有物理引擎优化经验
- 熟悉 Isaac Gym / Isaac Lab 或 Mujoco / Brax 的架构原理并能分析其优劣
- 熟悉 PyTorch 生态，能将物理仿真作为 differentiable layer 嵌入神经网络训练图
- 具备良好的 C++/Python 性能调优能力
- 了解 GPU 计算加速与强化学习理论者优先
福利待遇
- 参与对标国际前沿的物理仿真平台开发，接触行业领先技术
- 与顶尖团队共同探索可微分仿真与 AI 训练的前沿结合方向
- 摩尔线程提供有竞争力的薪酬（20-30K）及成长空间
工作地址
上海浦东新区长泰广场B座12楼
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。