职位描述1. 基于 SmolVLA、ACT、Diffusion Policy、GR00T、π0 等开源策略/VLA 基座，使用自有数据进行微调，面向拆码垛、卸车、鞋服分拣上下料等工业任务； 2. 研究从图像、点云到轨迹的策略方案，包括动作表征、动作头设计（如 flow matching / diffusion action head）、融合感知位姿信息以提升放置精度； 3. 利用 UMI、第一视角（ego-view）、遥操、产线日志等多源数据进行联合训练，处理跨本体、跨视角的差异； 4. 负责仿真与真机评测，统计成功率与节拍，分析失败原因，通过 DAgger 等方式迭代纠偏数据； 5. 优化模型推理延迟（如蒸馏、量化、轻量化），满足真机节拍要求； 6. 跟进 VLA、具身智能、机器人学习领域的前沿论文与开源项目，并在内部复现、对比。任职要求1. 计算机、自动化、人工智能、机器人、电子、数学等相关专业在读； 2. 熟练使用 Python 和 PyTorch，独立完成过至少一个模型训练项目或论文复现； 3. 能读懂并修改主流开源训练代码（如 LeRobot、openpi）； 4. 了解机器人运动学与坐标变换基础； 5. 能从数据、模型、控制多个层面独立定位问题，能接受大量现场真机调试，适应快节奏研发。 加分项： 1.有模仿学习或 VLA 项目经验，用过 ACT、Diffusion Policy、SmolVLA、π0、GR00T 等； 2.有使用 UMI、第一视角视频或人类示教数据训练策略的经验（如 UMI、DexUMI、EgoMimic 等工作）； 3.有真机机械臂部署经验，或使用过 MuJoCo、Isaac Sim 等仿真平台； 4.在 CoRL、RSS、ICRA/IROS、NeurIPS、ICML、ICLR、CVPR 等会议发表过论文。 5.可长期实习者优先。
