职位描述
岗位职责：
1. 预训练框架与模型架构设计负责具身大模型（VLA / 世界模型）的预训练研发，围绕工业场景需求，设计并实现Transformer与Diffusion相结合的具身操作策略架构，探索VLA多模态联合建模方法，实现从感知到控制的端到端策略学习。
2. 工业数据处理与训练管线搭建构建面向工业场景的大规模多模态机器人数据预训练流程，涵盖数据采集、清洗、质量评估与格式标准化等全链路工作。综合利用真机采集数据、仿真合成数据与互联网多模态数据等等，设计数据金字塔配方与采样策略，优化训练数据的多样性与覆盖度。
3. 实验验证与前沿跟踪设计系统性的消融实验，深入分析模型缩放规律（Scaling Laws）、数据质量对模型性能的影响，以及架构选型的效果对比。跟踪顶会前沿进展，持续将最新算法方法论引入预训练框架，推动核心指标（成功率、泛化能力、鲁棒性）提升。
4. 产业落地闭环将预训练模型的能力验证落实到工业真实任务与评测基准上，推动从模型研发到工业场景落地的完整闭环。并与机器人系统、仿真、数据等团队紧密协作，确保实验可复现与迭代效率。任职要求
1. 计算机科学、人工智能、自动化、机器人学等相关专业硕士及以上学历，博士优先。3年及以上大模型或具身模型（如OpenVLA、Pi系列、RT系列等）研发经验，有预训练方向实际项目经历者优先。
2. 深度学习基础扎实：精通Python编程语言，熟练掌握PyTorch深度学习框架，具备复杂网络结构的设计与调试能力。
3.深入理解大模型架构：深度掌握Transformer及其变体（自注意力机制、KV Cache、MoE、LoRA/Adapter等），理解扩散模型与大语言模型的训练机制，了解训练稳定性与缩放规律。
4.预训练技术栈：具备大规模预训练（Pretrain）、监督微调（SFT）、后训练对齐（RLHF/DPO/GRPO等）的完整项目经验。
5.多模态建模经验：有VLM/VLA/世界模型方向的实际研发经验，熟悉视觉-语言-动作对齐与跨模态融合方法。
6.模仿学习与强化学习：掌握模仿学习（IL/BC）、强化学习（RL）、Diffusion Policy等机器人策略学习方法，了解Sim-to-Real迁移技术。
加分项
- 在RSS、CoRL、NeurIPS、ICRA、CVPR等顶会发表过具身智能或大模型相关论文。
- 有OpenVLA、RT系列、Pi系列等开源具身模型的复现、改进或自研经验。
- 具备机器人真机开发与部署经验，理解真机采集、遥操作、仿真数据生成等环节。
- 有工业场景（如制造、物流、港口、能源等）的机器人或自动化项目实践经验。
- 有公开的开源贡献（代码、模型、基准榜单、技术报告等）。
- 熟悉机器人仿真平台（Isaac Sim、MuJoCo、SAPIEN等）与多传感器融合技术。
立即投递
