职位描述1. 负责具身基础模型的后训练与机器人策略优化，提升模型在真实家庭操作场景中的任务成功率、泛化能力及鲁棒性。 2. 研究基于模仿学习、DAGGER、Offline RL、Online RL 等方法的策略优化算法，实现模型从离线预训练到真实环境自主执行的能力提升。 3. 研究基于真机执行反馈、成功/失败轨迹、人工干预及奖励模型的训练方法，探索高样本效率、低成本的机器人强化学习方案。 4. 建设真机数据采集、策略评测、失败分析、数据回流及模型更新的闭环训练体系，持续缩短模型迭代周期。 5. 研究具身模型的策略探索、动作多样性、奖励设计及安全约束机制，提升真实机器人复杂操作任务的学习效率。任职要求1. 熟悉强化学习、模仿学习及机器人策略学习基础理论，掌握 PPO、SAC、Offline RL、行为克隆等一种或多种算法。 2. 熟悉 VLA、Diffusion Policy、Flow Matching Policy 等机器人策略建模方法。 3. 具备 PyTorch 算法开发能力，有机器人仿真训练、真机实验或策略优化项目经验。 4. 熟悉机器人操作任务评测、奖励设计、数据回流及训练实验分析。 5. 有真实机器人强化学习、在线策略优化、大模型后训练或大规模 Robot Learning 项目经验者优先。
