岗位职责 1. 负责视觉-语言-动作（VLA）模型及具身智能策略的研发，推动其在人形机器人自主操作、任务执行和环境交互中的应用落地。 2. 研究视觉、语言与机器人动作之间的多模态对齐与策略学习方法，构建从任务理解、规划决策到动作执行的完整链路。 3. 结合强化学习、模仿学习、行为克隆、离线强化学习等方法，提升机器人策略的泛化能力、执行效率和任务成功率。 4. 负责机器人操作数据的采集、清洗、标注、训练及评估，构建高质量的多模态机器人数据集。 5. 搭建仿真与真实机器人训练环境，研究策略的仿真到现实（Sim-to-Real）迁移及真实场景适应能力。 6. 面向抓取、搬运、工具使用、双臂协同、移动操作及复杂环境交互等任务，完成算法设计、训练和实机部署。 7. 与感知、控制、机械及系统团队协作，推动VLA模型与机器人全身控制、运动控制模块的融合。 任职要求 1. 2027届硕士及以上学历，机器人、计算机、人工智能、自动化、控制工程等相关专业。 2. 熟悉深度学习、强化学习和机器人学习基本理论，具备VLA、视觉语言模型或具身智能相关项目经验。 3. 熟悉 Transformer、多模态模型、策略网络、行为克隆、强化学习等一种或多种技术。 4. 熟悉 PyTorch，具备 Python 和 C++ 开发能力，能够独立完成模型训练、评估和部署。 5. 掌握机器人运动学、动力学、操作控制或运动控制基础。 6. 熟悉 ROS/ROS2、Linux、Git 及至少一种机器人仿真平台，如 MuJoCo、Isaac Lab、PyBullet 等。 7. 具备较强的实验设计、问题分析和工程落地能力。 加分项 1. 有人形机器人、双臂机器人、移动操作机器人或机械臂项目经验。 2. 熟悉 RT-1、RT-2、OpenVLA、Octo、Diffusion Policy 等相关工作或开源项目。 3. 有大模型微调、指令微调、LoRA、分布式训练或高效推理经验。 4. 有机器人多模态数据采集、遥操作、数据闭环或自动标注经验。 5. 有复杂操作任务、长时序任务规划或多任务策略学习经验。 6. 有真实机器人部署经验，能够完成从数据采集、模型训练到实机验证的完整流程。 7. 在具身智能、机器人学习、强化学习或多模态模型领域发表过论文或有开源贡献。