（1）前沿研究与探索：紧密跟踪并深入研究多模态大模型、生成式模型的最新进展。并探索和验证将这些前沿技术应用于机器人领域的可能性。 （2）VLA模型设计与训练：主导或参与设计面向机器人的VLA大模型，通过将模仿学习和强化学习范式与大模型相结合，使其能够理解周边的三维场景以及人类指令，并输出安全、拟人化的行为决策。 （3）世界模型与闭环仿真：研究和构建能够进行时空预测的“世界模型”作为仿真器，将大模型智能体与仿真器深度结合，从而构建一个可以安全、高效地进行虚拟测试和迭代的闭环仿真环境。 （4）数据驱动与数据闭环：构建高效、可扩展的数据闭环系统。从海量真实数据中自动挖掘高价值的困难场景，长尾场景等，同时保证数据分布的多样性与均衡性。

1. 学历与基础：博士及以上学历，机器人类、人工智能类、控制科学与工程类、机械类、计算机类、数学类、自动化类、大数据类、电子信息类、智能制造类、智能科学与技术等相关专业优先，具备良好的编程能力，精通 Python 及至常用深度学习框架，并对框架底层实现有一定了解。 2. 专业领域经验（至少精通以下一项）： a. 多模态大模型 / VLA模型： 拥有实际训练、微调或应用VLA模型以及多模态大模型框架的经验。理解多模态数据融合、对齐和协同的关键技术。 b. 生成式模型与世界模型： 熟悉并实践过基于Diffusion Models/自回归的时序生成模型，特别是在自动驾驶，机器人等对数据时空一致性有高要求的任务上有成功应用经验。 c. 端到端决策模型： 在模仿学习或强化学习领域有深入研究，最好有将二者应用在端到端自动驾驶/机器人模型的相关项目经验。 3. 工程能力：具备优秀的学术或工程背景，展现出快速跟进、复现并改进领域内最新研究成果的能力。 加分项： 1. 在人工智能顶级国际会议/期刊上发表过论文：（如CVPR/ICCV/ECCV/NeurIPS/ICLR/ICML/TPAMI等）。