职位描述
1、维护与扩展 FluxVLA 仿真评测
- 持续适配视觉语言动作模型（VLA）、世界动作模型（WAM）及新的仿真基准，完善模型推理、观测处理、动作转换和环境交互接口。
- 建设自动化、可复现的评测与回归测试流程，规范实验配置、模型与环境版本、随机种子及结果记录，支持批量评测、轨迹回放和失败分析。
- 维护相关代码、文档和使用示例，处理社区反馈，提升评测模块的稳定性、可扩展性和使用效率。
2、面向真机任务与训练研究建设仿真环境
- 将真机任务和研究问题转化为可执行的仿真任务，完成场景与资产配置、机器人与传感器建模、控制接口适配，以及任务初始化、成功判定和终止条件设计。
- 根据任务需求确定仿真精度，校准关键视觉、接触动力学与控制参数，构建覆盖典型条件、扰动和失败情况的测试场景。
- 利用仿真实验支持模型选型、训练方案比较和失败定位，并通过仿真与真机的配对测试，验证评测结果对真机表现的参考价值，缩短任务开发与研究验证周期。
3、参与 Real2Sim2Real 与策略持续改进
- 参与基于真实场景与机器人数据的仿真重建和参数标定，建设仿真轨迹采集、质量筛选与数据导出流程，支持模型训练和微调。
- 利用仿真数据开展策略学习，通过域随机化、系统辨识等方法改善迁移效果，推动并验证模型向目标真机任务的 zero-shot 迁移。
- 参与构建仿真下的“评测—失败分析—针对性数据采集/模块改进—模型更新/技能更新”的递归自我改进（RSI）流程，通过对照实验验证仿真中的性能提升能否迁移到真机，分析迁移效果及适用范围。任职要求
- 本科及以上学历，计算机、机器人、自动化、人工智能等相关专业，具备机器人仿真环境开发、策略训练或模型评测的相关经验。
- 熟练使用 Python，具备良好的编程能力和工程习惯，能够独立完成模块开发、调试、测试与维护。
- 熟悉 PyTorch 等深度学习框架，能够完成模型训练、推理、调试和实验分析。
- 熟悉至少一种主流机器人仿真平台（MuJoCo、Isaac Sim / Isaac Lab、SAPIEN、PyBullet 等），具备仿真任务开发经验，了解物理仿真、渲染与机器人建模基本原理。
- 掌握机器人运动学、坐标变换及常用控制方式，理解观测空间、动作表示、控制频率与时延对策略执行的影响。
- 熟悉模仿学习或强化学习的基本流程，理解仿真与真机之间的 Sim2Real Gap，了解 Domain Randomization、System Identification 等方法及其适用条件。
- 具备较好的问题分析和实验设计能力，能够独立定位问题、设计对照实验，并结合评测结果与失败案例推进解决。
- 具备良好的英文阅读能力，能够阅读和复现前沿论文，并与算法、机器人部署团队协作完成技术方案验证。
加分项
- 有 Sim2Real、Real2Sim、Real2Sim2Real 相关研究或项目经历，完成过仿真策略的真机部署与验证。
- 有 VLA / WAM 模型复现、训练、评测或部署经验，或参与过机器人仿真基准的开发与维护。
- 有仿真数据采集与训练经验，熟悉遥操作、运动规划、脚本策略或学习策略驱动的轨迹生成方法。
- 熟悉 ROS / ROS 2，具备机械臂、夹爪、相机等设备的接入、标定与系统集成经验。
- 熟悉 3D 资产处理、场景重建（如 NeRF、3D Gaussian Splatting）或物理参数辨识，具备相关技术在机器人仿真中的应用经验。
- 有并行仿真、自动化评测、持续集成或开源项目贡献与维护经验。
- 在机器人及机器学习相关会议（CoRL、RSS、ICRA、IROS、NeurIPS 等）发表过论文，或有可复现的研究成果与项目实践。
