启元实验室

1.负责视觉-语言导航（VLN）核心算法的研发，构建具备指令理解与自主决策能力的多模态导航模型； 2.设计和实现融合视觉感知、语言理解与空间推理的跨模态模型架构（如Transformer、多模态LLM、强化学习框架等）； 3.探索大模型在VLN任务中的应用，包括预训练、指令微调、多任务学习及RAG增强等策略； 4.构建仿真与真实环境下的VLN训练与评测体系，提升导航成功率（SR）、SPL、NE等核心指标； 5.分析模型在复杂环境（遮挡、动态障碍、长指令、多步推理）中的失效模式，提出改进方案； 6.跟踪CVPR、ICCV、NeurIPS、ICLR等前沿会议在VLN、多模态智能体领域的研究成果，并评估其工程可行性。

1.人工智能、电子信息、通信、计算机、自动控制、集成电路等专业硕士/博士/博后，博士/博后优先； 2.精通Python，具备扎实的算法实现能力，熟悉PyTorch等深度学习框架；熟悉Transformer、多模态大模型（如视觉编码器+LLM融合架构）及强化学习基础； 3.熟悉VLN或相关任务（Embodied AI、视觉问答、指令跟随、机器人导航等）； 4.理解SLAM、三维空间表示、路径规划等基础原理； 5.具备良好的论文阅读能力与算法复现能力，有独立设计实验的能力。 加分项: 1.熟悉经典VLN数据集（R2R、RxR、VLN-CE等）或具身智能仿真平台（Habitat、Gibson等）； 2.熟悉大模型微调（LoRA、QLoRA、SFT、RLHF）或多模态对齐训练； 3.在CV/AI顶会发表论文或有开源项目贡献经验； 4.有真实机器人或无人系统部署经验优先。