职位描述
岗位职责
研发面向人形机器人的全身智能基础模型（Whole-body Foundation Model），探索基于 VLA、WAM 等架构的视觉、语言与全身动作联合建模，实现复杂场景下的全身协调操作与自主任务执行。
研究具身智能模型的预训练与后训练技术，包括多模态表征学习、动作生成、模仿学习及强化学习等，提升模型的泛化能力、操作精度与长时序任务执行能力。
探索基于人类第一视角视频、人体动作数据、机器人轨迹等多源数据的规模化训练方法，研究跨本体动作表征、技能迁移与数据高效学习。
研究模型驱动的全身操作（Whole-body Manipulation）与移动操作（Loco-manipulation），推动基础模型在人形机器人真机上的验证、迭代与应用。
跟踪具身智能与多模态大模型领域的前沿研究，探索新的模型架构、训练范式及数据方法。任职要求
硕士及以上学历，计算机科学、人工智能、机器人学等相关专业。
具备扎实的深度学习基础，熟悉 Transformer、Diffusion Model、Flow Matching 等模型架构中的一种或多种，熟练使用 Python、PyTorch 等开发与训练工具。
熟悉多模态大模型、视觉语言动作模型（VLA）、世界模型（World Model）、机器人策略学习等方向中的至少一种，具备相关研究或项目经验。
熟悉模仿学习、强化学习、行为克隆或生成式策略学习等方法，能够独立开展模型设计、训练优化与实验分析。
具备良好的研究能力和工程实现能力，能够将前沿算法应用于实际机器人任务。
加分项
具备人形机器人、机械臂、灵巧手等具身基础模型或通用操作策略的研发经验。
具备大规模机器人数据训练、人类视频预训练、跨本体迁移或 Sim2Real 经验。
具备 VLA、World Action Model、Diffusion Policy 等相关研究或实践经验。
在 NeurIPS、ICLR、ICML、CVPR、CoRL、RSS、ICRA 等相关顶级会议发表过论文，或有高质量开源项目经验。
立即投递
