职位描述
1、研发面向人形家用机器人的世界模型，使其能够预测环境状态、动作后果以及潜在风险；
2、构建能够帮助机器人理解世界动态的模型：执行某个动作后会发生什么、哪些物体可能移动、哪里可能发生碰撞、哪些动作是安全的、哪些是不安全的；
3、开发动作条件预测模型：模型接收当前观测和假设动作，并预测未来帧、状态、轨迹或环境的latent state；
4、研究并实现世界模型相关架构：潜在动力学模型、RSSM、基于 Transformer 的世界模型、扩散世界模型、视频预测模型等；
5、利用真实机器人数据、仿真数据和合成数据训练预测模型和动力学模型；
6、建立世界模型与策略模型之间的联动：规划、基于模型的强化学习、想象展开、候选动作排序、风险预测、闭环决策；
7、构建世界模型评测体系：未来预测准确率、动作条件一致性、规划可用性、风险预测质量、下游任务提升效果；
8、搭建仿真和半仿真流水线，在真实机器人上线前验证研究假设。任职要求
1、机器学习、机器人学、计算机视觉、人工智能、计算机科学、控制或相关专业硕士及以上学历（硕士 / 博士）；
2、具备扎实的深度学习经验，尤其是在生成式模型、序列建模、视频建模或表征学习等方向上有丰富经验；
3、理解与世界建模相关的架构，包括 Transformer、Diffusion、VAE、RSSM、自回归模型、潜在动力学模型、循环状态空间模型等；
4、有视频、时间序列、多模态序列或机器人轨迹处理经验；
5、理解基于模型的强化学习、规划、模仿学习或强化学习的基础原理；
6、能够针对开放式研究问题设计实验，在没有现成标准答案的情况下推进研究；
7、具有在 Isaac Sim、Isaac Lab、MuJoCo、Habitat 或其他仿真平台的经验；
8、具备良好的 Python/PyTorch 编程能力;
9、理解机器人系统约束：实时推理、噪声传感器、部分可观测性、sim-to-real gap、安全性、延迟。
加分项：
1、有 NVIDIA DreamZero、Dreamer、DreamerV3、PlaNet、Genie、UniSim、GAIA、Cosmos 或类似系统经验；
2、有 3D 场景理解、Gaussian Splatting、NeRF、深度预测、占用预测、空间记忆经验；
3、有分布式训练、大规模数据流水线、混合精度训练、模型并行 / 数据并行经验；
4、在 NeurIPS、ICLR、ICML、CVPR、ICRA、IROS、RSS、CoRL 等会议发表过论文，或有突出的工程成果。
