职位描述
职位描述
1. 负责具身智能大模型强化学习（RL）相关算法的研究与开发，探索强化学习在机器人操作、具身决策以及多模态大模型 post-training 中的应用；
2. 设计和优化面向具身智能的强化学习训练框架，包括但不限于 offline RL、online RL、batch online RL、residual RL、human-in-the-loop RL 等方法，提升模型在真实机器人任务中的性能、泛化能力和数据效率；
3. 研究和设计适用于具身大模型的 reward model、critic、task progress / failure signal 等训练与反馈机制，充分利用成功、失败、人工接管等多类型数据，提升策略学习效果并降低 reward hacking 等风险；
4. 探索大模型与强化学习相结合的训练范式，包括 LLM / VLM / VLA 等模型的 RL post-training、策略优化以及 reward-based learning，持续提升模型的推理、决策和机器人操作能力；
5. 面向真实机器人训练场景，研究稳定、安全且高效的 RL 方法，包括 action / force / velocity / workspace constraint、early stop、safety shield 等安全机制，并推动算法在真实机器人系统中的落地；
6. 与机器人系统、运动控制、数据及评测团队紧密合作，持续完善真机 rollout、数据回流、自动 reset、灰度评测及模型迭代闭环，并建立针对真实机器人 RL 的效果、稳定性、安全性和数据效率评测体系；
7. 深入调研强化学习、具身智能和多模态大模型领域的前沿技术，跟踪业界及学术界最新进展，并探索其在具身智能大模型中的应用。任职要求
1. 人工智能、计算机视觉、自然语言处理、机器人等相关领域硕士及以上学历；
2. 具有扎实的强化学习基础和相关研究/工程经验，熟悉常见强化学习算法、Actor-Critic、Policy Optimization、Offline / Online RL、Reward Modeling 等方向中的一种或多种；
3. 具有以下任一方向的研究或工程经验：
- 机器人强化学习、真实机器人 RL、模仿学习或机器人策略学习；
- LLM / VLM / 多模态大模型强化学习与 post-training，如 RLHF、RLAIF、基于可验证奖励的 RL、Reward Model / Critic 等；
- 大模型 Agent、VLA 或具身智能模型的训练与优化；
4. 对 Transformer、GPT、VLM / 多模态大模型等模型架构及训练方法有深入理解，熟悉大模型 pre-training、post-training 或强化学习训练流程者优先；
5. 精通 Python，具有扎实的深度学习基础，熟悉 PyTorch 等主流深度学习框架，具备良好的算法实现、实验分析和工程落地能力；
6. 具备优秀的学习能力、英文文献阅读能力以及良好的团队沟通与协作能力；有高水平论文发表、开源项目贡献或科技公司相关高阶技术岗位经历者优先。
加分项
具备以下经验之一者优先：真实机器人上的强化学习训练经验；大规模 RL / distributed rollout 训练经验；LLM / VLM RL post-training 经验；Reward Model、Process Reward、Critic / Value Model 相关经验；机器人数据采集、仿真到真机迁移或安全强化学习经验。
立即投递
