机器人后训练工程师（VLA/WAM & Real-world RL 核心组）
职位描述
校招、实习均可投递，薪资面议
作为后训练与真内部署的核心驱动者，你将主导具身基础模型从“数字大脑”向“物理实体”跨越的全过程，直接决定机器人在真实世界中的表现极限。
VLA & WAM 架构后训练： 负责 Vision-Language-Action (VLA) 及 World/Action Model (WAM) 的 SFT、RLHF 与 DPO 流程。针对高维连续动作空间设计高效的微调范式，解决模型在多模态输入下的动作“幻觉”与时序不一致问题。
Real-world RL (真实世界强化学习) 突破： 跨越传统的 Sim-to-Real 范式，直接在真实人形机器人/硬件系统上设计并部署 Sample-efficient 的在线强化学习算法。攻克 Safe Exploration（安全探索）、环境动态适配以及真实物理反馈下的 Reward 建模难题。
极速真机部署与闭环： 主导策略模型在边缘计算节点（如 NVIDIA Jetson 等）上的高性能部署（TensorRT / ONNX 优化）。打通高层视觉/语言规划与底层高频/高动态控制（WBC/MPC）的协同链路，系统性解决真机运行中的时延、频域不匹配及高频抖动问题。
数据驱动的行为对齐： 利用人类遥控接管（Human-in-the-loop）、边缘 Case 数据建立高效的在线修正飞轮。通过第一性原理拆解失败模式，持续提升模型在真实开放场景中的泛化性与物理常识。任职要求
任职要求
学术与底层能力： 计算机科学、机器人学或相关专业，对深度强化学习（PPO, SAC, TD3 等）及主流生成式动作架构（Diffusion Policy, Transformer-based Control）有深刻的数学直觉与底层代码理解。
前沿架构经验： 熟悉 StarVLA, Pi0.5, Groot, Cosmos 或相关 World Model 架构，有视觉大模型（VLM）或大语言模型（LLM）微调及对齐经验者优先。
真机部署（Hard Requirement）： 必须具备在真实复杂硬件（如双足人形机器人、四足狗或高自由度灵巧手）上成功部署端到端策略的实战经验。懂得如何与电机特性、传感器噪声及现实物理摩擦力“打交道”。
极致的工程素养：
精通 Python/C++，习惯在 Linux/Tmux 下进行高效开发，能够手写高性能算子或自定义 C++ 部署环境。
崇尚自动化与高信息密度，习惯并善于利用 Agentic AI 开发环境（如 Claude、高效代码补全工具）成倍放大个人产出。
加分项（非必须，但极大加分）
在真实世界中成功跑通闭环的 Real-world RL 算法并有显著业务/科研成果。
深入理解 Sim-to-Real-to-Sim 飞轮，具备利用真机残差数据反向优化物理仿真（如 Isaac Sim, MuJoCo）参数的系统辨识（System ID）经验。
在高挑战的高动态运动（High-dynamic Locomotion）或精细灵巧操作（Dexterous Manipulation）领域有深厚积累。
