岗位职责
岗位描述：
面向具身智能与机器人通用智能，参与具身智能基础模型的研发与落地，探索可跨任务、跨场景、跨机器人本体泛化的模型能力，推动机器人从单任务执行走向通用理解、决策与行动。
岗位职责：
- 参与具身智能基础模型研发，覆盖VLM、VLA、Video Generation等模型的预训练、后训练及强化学习，构建可跨不同机器人平台泛化的通用模型。
- 设计多模态模型架构与训练策略，融合图像、视频、语言、触觉、状态和动作等信息，提升机器人对物理世界的感知、理解、推理、规划与执行能力。
- 探索具身智能的数据配方、数据质量体系及Scaling Law，建设数据生产、筛选、训练和评测流程，沉淀可复用的训练范式与实验结论。
- 面向复杂操作和长时序任务，构建“数据—训练—评测—迭代”的闭环，持续提升模型的任务成功率、泛化能力、稳定性与鲁棒性。
- 探索Online RL、Offline RL、模仿学习等技术在具身智能领域的应用，提升模型在真实环境中的自主学习与持续进化能力。
- 与数据、系统、仿真、控制及硬件团队紧密协作，推动模型在仿真环境和真实机器人平台上的训练、验证、部署与迭代落地。
任职要求
- 硕士及以上学历，计算机、人工智能、自动化、机器人或相关专业。熟悉大模型训练体系，具备预训练、监督微调、后训练或强化学习中的一项或多项实践经验。
- 对LLM、VLM、VLA或Video Generation等技术方向有深入理解，熟悉多模态模型的主流架构、训练方法及评测体系。
- 具备强化学习相关经验，理解PPO、SAC等典型算法；具有Online RL、Offline RL或模仿学习项目经验者优先。
- 熟悉主流VLA技术路线，具备相关模型复现、训练、评测或改进经验。
- 熟练使用PyTorch，具有良好的算法实现、实验设计和工程开发能力；具备大规模分布式训练经验者优先。
- 具备较强的问题分析、技术探索和跨团队协作能力，能够持续跟进具身智能领域的前沿进展。
加分项：
- 具有具身智能基础模型、机器人操作或长时序任务的完整项目经验。
- 具有真实机器人数据采集、模型部署、Sim-to-Real或多本体适配经验。
- 熟悉机器人运动控制、ROS、MuJoCo、Isaac Sim等机器人系统或仿真平台。
- 在VLA、多模态大模型、强化学习、视频生成等方向有高质量论文、专利、开源项目或同等研究与工程成果。
- 在CVPR、NeurIPS、ICLR、ICML、CoRL、IROS、ICRA等会议或期刊发表过相关成果。
特色标签
Imitation Learning、MuJoCo仿真平台、Offline强化学习、Online强化学习、Python、Robot Operating System、Shell、Sim2Real、SLAM、Vision-Language Model、Vision-Language-Action模型、仿真到现实迁移、仿真到真实迁移、具身AI、具身智能、具身智能体、具身智能技术、分布式训练、发表算法相关优秀论文、图像算法、在线强化学习、多模态算法、大模型算法、学徒学习、实时强化学习、强化学习、批强化学习、有留学背景、机器人、机器人操作系统、机器学习、深度学习、物理仿真引擎、示范学习、离线强化学习、算法工程化经验、英美留学生、视觉-语言-动作模型、视觉-语言模型、视觉语言动作模型、视觉语言模型、视频合成、视频生成、视频生成模型