【岗位职责】 负责具身智能多模态大模型的研发与落地，围绕视觉、语言、机器人状态与动作进行统一建模，探索并实现 VLA（Vision-Language-Action）、多模态 Transformer、Diffusion Policy、Flow Matching 、WM/WMA等技术路线，提升机器人在复杂场景下的感知、推理、规划与操作能力。 负责机器人操作策略的训练与优化，包括模仿学习、行为克隆、强化学习、SFT 、Lora等方法；研究 Action Chunking、Diffusion/Flow-based Policy 等策略建模方法，实现从多模态观测到机器人动作的端到端学习。 参与机器人真机数据、遥操作数据、仿真数据及互联网多模态数据的数据体系建设，负责数据采集、清洗、时序对齐、动作表示、数据筛选、数据增强及数据配比等工作，提升大规模具身数据的质量与训练效率。 参与 Isaac Sim / Isaac Lab、MuJoCo 等机器人仿真平台建设，通过域随机化、观测噪声、动力学随机化、执行器延迟建模等方法提升策略鲁棒性，研究 Sim-to-Real、Real-to-Sim 以及仿真数据与真实数据联合训练方法。 负责具身智能模型在机械臂、双臂机器人及人形机器人等平台上的部署与验证，完成模型推理、机器人控制接口、ROS/ROS2 通信及实时控制系统集成；通过 TensorRT、ONNX、CUDA、量化等技术优化模型推理性能。 持续跟踪具身智能领域前沿技术，包括 VLA、Vision-Language Model、World Model、Diffusion/Flow Policy、Robot Foundation Model 等方向，关注 CoRL、RSS、ICRA、IROS、NeurIPS、ICML、CVPR 等顶会最新研究，并推动前沿算法在真实机器人上的验证与落地。 【任职要求】 计算机、人工智能、自动化、机器人等相关专业硕士及以上学历。 熟悉 Transformer 及主流多模态大模型架构，理解 ViT、CLIP、VLM、LLM 等模型的基本原理，具备 PyTorch 等深度学习框架的实际开发经验； 熟悉至少一种机器人策略学习技术路线，包括 Behavior Cloning、Imitation Learning、Diffusion Policy、Flow Matching、ACT、强化学习等，有真实机器人操作任务经验优先； 熟悉机器人数据建模方法，理解 Observation / State / Action、Task Space / Joint Space、绝对/增量/相对动作表示、时序对齐、Action Chunking 等基本概念； 熟练使用 Python，具备良好的 C++ 开发能力，能够独立完成模型训练、算法验证及机器人系统集成； 熟悉机械臂的基本原理，理解正逆运动学、坐标系变换、末端位姿、轨迹规划及机器人控制等基础知识； 具备良好的论文阅读、技术调研及问题分析能力，能够快速复现和验证具身智能领域最新研究成果。 加分项 有 VLA / WM 相关研发经验，熟悉或实际使用过 π0/π0.5、OpenVLA、RT-1/RT-2、Octo、GR00T 等具身智能模型，有真机部署经验。 有机械臂、双臂机器人、人形机器人真实平台研发经验，有大规模机器人数据集建设经验，熟悉 LeRobot、RLDS 等机器人数据格式或数据基础设施； 熟悉 Isaac Sim经验，具备 Sim-to-Real 或 Real-to-Sim 项目经验； 熟悉 CUDA、TensorRT、ONNX、模型量化等推理优化技术，有 Jetson / Orin 等边缘计算平台部署经验； 有大模型后训练经验，具备大规模分布式训练经验者优先； 在 NeurIPS、ICML、ICLR、CVPR、CoRL、RSS、ICRA、IROS 等会议发表过相关论文，或有高质量开源项目贡献者优先。