广东智动未来科技有限公司

负责具身智能人形机器人核心算法的研发，方向涵盖“大脑”（具身大模型VLA/VLM/World Model、复杂任务规划与推理、多模态交互理解）与“小脑”（运动控制、强化学习与灵巧操作、自主导航与感知）。与硬件、软件团队协作，推动算法在真实机器人平台上的部署与性能优化。 岗位职责： 一、“大脑”方向（认知、决策、规划） 1. 核心模型研发：主导具身智能大模型（VLA/VLM/World Model等）的架构设计、预训练、微调等，提升机器人在开放场景下的认知与泛化能力；围绕VLM/VLA/世界模型设计可训练、可部署的模型架构负责跨本体VLA模型预训练、微调及部署，跟踪及复现等前沿工作。 2. 复杂任务规划与推理：研发机器人的高阶认知能力，突破开放指令理解、长时序任务规划、多模态推理及动态行为决策等核心技术瓶颈；设计Agent运行时架构，包括任务理解、多步规划、执行监控、异常恢复等核心流程；研发端到端感知-决策-执行闭环，实现从传感器数据到机器人动作指令的全链路打通。 3. 数据闭环与工程化：构建大规模具身多模态数据集与自动化标注工具链；探索具身基础模型在机器人领域的Scaling Law与泛化边界；建立并完善“数据采集-仿真训练-真机部署-评测迭代”的完整工程闭环；设计具身智能模型的性能评测方案，测试模型在不同机器人本体、不同场景任务下的表现，推动模型迭代。 4. 推理优化与真机部署：推动大模型在边缘计算设备上的推理加速与轻量化部署（压缩量化、推理加速等）；与硬件、软件及仿真团队协作，完成算法在真实机器人上的部署与性能调优。 二、“小脑”方向（运动控制、操作执行） 1. 全身运动与灵巧操作：负责人形/四足机器人及机械臂的全身运动控制（WBC）、力控/柔顺控制与灵巧操作算法的研发与持续迭代。 2. 策略训练与迁移：基于强化学习（RL）与模仿学习（IL），在Isaac Sim等高保真仿真平台中进行策略训练、调优与评估；设计域随机化与系统辨识方案，攻克Sim-to-Real Gap，实现控制策略在真机上的稳定部署。 3. 机器人运动学与动力学建模：负责机器人运动学、动力学建模，轨迹规划与路径规划算法开发。 4. 自主导航与感知（可选方向）：研发基于大模型的端到端视觉导航算法，实现开放词汇下的自主探索、语义理解与动态避障；构建动态环境三维语义图与空间记忆系统；负责视觉、语音、点云等多源传感器数据的融合感知算法研发。 任职资格： 1. 学历与专业 硕士及以上学历，计算机、人工智能、机器人、自动化、控制工程、模式识别与智能系统等相关专业。博士及有顶刊顶会论文者优先。 2. 工作经验 校招：优秀的应届硕博毕业生可适当放宽。 3. 技术能力 #通用要求：精通Python/C++，熟悉Linux开发环境；熟练使用PyTorch深度学习框架；熟悉ROS/ROS2机器人开发环境。 #大脑方向：熟练掌握主流LLM/VLM/VLA架构，最好具备具身大模型的实战开发与调优经验；熟悉Transformer、GPT系列模型，对大模型数据处理及训练技术有深入理解；熟悉模仿学习（ACT、Diffusion Policy等）及强化学习训练框架；熟分布式训练框架，掌握模型轻量化及边缘端推理加速技术；具备latent dynamics、predictive coding、world model相关开发经验者加分。 #小脑方向：熟练掌握机器人运动学/动力学建模；熟悉强化学习算法及主流仿真平台（Isaac Sim/Gym、MuJoCo等）；熟悉经典控制算法及规划算法；熟悉SLAM、路径规划、目标检测与跟踪等算法者加分。 4. 优先条件 # 在AI/机器人领域顶级会议（CVPR/NeurIPS/ICRA/IROS/CoRL/RSS等）以第一作者发表论文者优先。 # 具备真实机器人真机部署经验者优先。 # 有RoboMaster/RoboCup等顶级机器人竞赛获奖经历者优先。 # 有大模型开源贡献或竞赛成果者优先。