职位描述1、构建面向机器人操控的世界模型与 WAM（World Action Model），研究动作条件下的环境状态演化、物体交互与机器人动力学建模，提升模型对物理规律、接触关系、任务状态及动作后果的理解与预测能力；针对工业、家庭等特定场景，完成数据构建、算法设计、技术验证及机器人实机落地； 2、研究 latent-WAM backbone，构建统一的视觉、状态、动作及任务表征空间，重点探索 latent dynamics、action-conditioned state transition、长时序预测、隐状态记忆与不确定性建模，支持机器人在复杂操作任务中的闭环决策与动作生成； 3、将世界模型与机器人运动控制深度结合，研究基于模型的规划与控制算法，包括轨迹优化、MPC、最优控制、行为克隆、强化学习及在线策略优化等，提升机器人在抓取、放置、装配、理线、工具使用、双臂协作等任务中的精度、速度、稳定性及泛化能力； 4、构建基于世界模型的闭环操控系统，解决感知误差、执行偏差、接触变化、环境扰动及长时序误差累积等问题，实现从高层任务规划、动作序列生成到低层运动控制的端到端协同； 5、负责机器人多模态数据的构建与治理，包括真实机器人数据、遥操作数据、仿真数据及互联网数据等；研究数据清洗、轨迹分段、动作对齐、状态标注、数据回放、难例挖掘及仿真到现实迁移等方法； 6、跟踪并复现世界模型、机器人学习及具身智能领域的前沿工作，推动模型训练、评测、推理加速、部署优化与实机验证，形成可迭代、可复用的算法与工程体系。任职要求1、硕士及以上学历，计算机科学、人工智能、自动化、机器人、控制科学与工程、电子工程、数学或相关专业； 2、具备扎实的线性代数、概率统计、优化理论及信息论基础；熟悉机器人运动学、动力学、状态估计、轨迹规划、最优控制等相关理论，对机器人操控中的接触、约束、误差反馈及闭环控制有深入理解； 3、熟悉 Python，熟悉 C++/CUDA，掌握 PyTorch/JAX/TensorFlow 等深度学习框架；具备较强的算法实现、实验分析及系统调试能力； 4、具备世界模型或机器人基础模型研发经验，参与过 WAM、latent world model、action-conditioned dynamics model等模型的研发或优化；熟悉模型预训练、微调、推理及部署流程； 5、熟悉机器人学习与运动控制算法，包括行为克隆、Diffusion Policy、ACT、轨迹优化及离线强化学习等；有将学习策略与传统控制器结合并完成实机闭环部署经验者优先； 6、具备动作条件下的状态预测、未来表征预测、奖励建模、价值建模或基于想象轨迹的策略学习经验；熟悉 DreamZero、FastWAM, COSMOS 等世界模型架构，或有相关算法改进与项目落地经验者优先； 7、熟悉机器人操作数据构建流程，具备从遥操作采集、数据清洗、轨迹切分、状态—动作对齐、训练采样、离线评测到实机回放的端到端经验；熟悉 Isaac Sim、MuJoCo、ManiSkill、RLBench 等仿真与机器人学习平台； 8、具备完整的端到端项目落地经验，能够独立完成论文复现、数据方案设计、模型训练、离线评测、仿真验证、实机部署与性能优化；熟悉分布式训练、混合精度训练、模型压缩及 TensorRT 等推理加速技术； 9、具备良好的跨团队沟通协作能力，能够与机器人硬件、运控、数据、平台及产品团队高效协同；逻辑严谨，擅长从复杂操作场景中抽象世界模型与控制问题，具备优秀的问题定位和系统解决能力，能适应快速迭代的研发环境。 有大规模机器人数据训练、分布式训练及真实机器人集群实验经验；
