岗位职责 1、负责 Vision-Language-Action（VLA）模型的强化学习后训练（Post-Training），提升模型在真实或仿真环境中的决策能力与任务成功率。 2、设计并实现 基于人类示范、奖励模型或规则约束的强化学习算法（如 RLHF、RLAIF、Offline RL、On-policy RL）。 3、构建和维护 具身智能任务环境（仿真或真实机器人），包括状态表示、动作空间、奖励函数与评估指标。 4、将视觉、语言理解与动作执行有效结合，优化多模态策略学习与长时序任务规划能力。 5、与感知、VLM、机器人控制团队协作，完成 策略部署、闭环训练与性能回归分析。 6、分析训练过程中的失败案例，改进奖励设计、探索策略和稳定性。 7、跟踪并复现前沿研究（如 VLA、Embodied AI、Robot RL、LLM + RL），推动算法落地。 任职要求 1、计算机科学、人工智能、自动化、机器人等相关专业硕士及以上学历（优秀本科亦可）。 2、扎实的 强化学习基础，熟悉 PPO、SAC、DDPG、TD3、Offline RL 等主流算法。 3、熟悉深度学习与多模态模型，有 Vision / Language / Action 联合建模经验者优先。 4、具备 Python 编程能力，熟悉 PyTorch / JAX 等深度学习框架。 5、有 机器人控制、仿真环境（如 MJX，IsaacLab，ManiSkill3）或真实机器人实验经验者优先。 6、具备良好的问题拆解能力和实验分析能力，能独立推进复杂训练流程。 7、良好的团队协作与技术文档撰写能力。