职位描述
主要工作职责
1. 算法适配与微调：将主流 VLA/模仿学习模型适配至多指灵巧手，完成动作空间映射、指令模板设计与高效微调流水线构建。
2. 数据融合与模型：设计虚实混合数据融合训练管线，构建面向灵巧操作的世界模型/预测架构，实现接触状态预测、隐动力学建模与闭环策略生成。
3. Sim2Real与真机部署：研发 Sim2Real 迁移算法（域随机化、残差补偿等）；开发实时推理中间件，优化解码延迟，实现与底层控制环的低延迟同步与安全回退，完成真机稳定部署。
4. 基建与迭代：搭建分布式训练基础设施（并行仿真、自动化评估），跟踪前沿技术，输出技术报告与文档，支撑产品技术演进。任职要求
任职要求：
1. 学历与经验
- 硕士及以上学历，计算机、人工智能、机器人学、自动化等相关专业。
- 1年及以上 具身智能/机器人学习/模仿学习算法开发经验，熟悉算法迭代全流程（数据治理→混合训练→策略评估→真机部署）。
2. VLA与模仿学习算法能力
- 精通主流 VLA 架构原理（自回归型如 RT-2/OpenVLA，扩散型如 ACT/Diffusion Policy）。
- 掌握高维连续动作空间建模（15+ DoF 动作序列化、关节/笛卡尔空间映射、时序建模）。
- 精通 RL/IL 混合训练管线（模仿学习预训练 + 强化学习微调），熟悉 LoRA 等高效微调与分布式训练。
3. 世界模型与 Sim2Real 能力
- 精通主流世界模型/预测架构（如 DreamerV3 等隐状态预测与规划框架），熟悉接触密集型任务的预测建模与漂移抑制。
- 精通虚实数据融合技术：进阶域随机化/域适应设计、残差动力学与混合建模（仿真基座+真实残差补偿）、在线系统辨识。
4. 硬件适配与工程部署能力
- 精通 VLA 输出到灵巧手控制指令的转换链路（重参数化、平滑滤波、频率同步与插值补偿）。
- 精通边缘端实时推理优化（TensorRT/ONNX、INT8/FP8 量化、流式解码）。
- 精通 Python/C++，熟练使用 PyTorch/JAX 及 HuggingFace 生态；熟悉 ROS2集成等。
