职位描述
1.负责基于世界模型 + VLN + 全身运控范式的端到端模型设计，构建融合视觉、语言、机器人状态与环境信息的统一模型框架，实现感知、理解、决策与动作生成的一体化建模。
2.设计增强模型空间理解能力的关键模块，研究多视角、语义地图、BEV及空间约束等信息的结构化表达与交互机制，提升复杂环境下的空间推理以及导航决策能力。
3. 建设面向真实机器人导航的闭环仿真与评测体系，推动从 Habitat 等标准导航环境向具有真实传感器特性、机器人运动约束、动态障碍物及复杂交互场景的高保真仿真环境升级
4. 构建 VLN 模型的强化学习微调与策略优化体系，研究 PPO、GRPO 等方法，支持基于离线数据的训练及基于仿真或真实交互数据的在线优化。
5. 探索 World Action Model 与 VLN 的融合方案，研究环境建模、未来状态预测、动作生成与多步决策能力，推动其在导航规划和闭环优化中的应用。
6. 关注最新前沿技术和研究方向，推动新算法与机器人实际系统结合，负责技术方案、技术文档和设计报告的编写及相关技术评审。任职要求
1.计算机科学、自动化、电子工程、机器人或相关专业硕士及以上学历，博士优先。
2. 具备 VLN、机器人导航、端到端自动驾驶或具身智能相关经验，熟悉视觉语言多模态建模及决策规划一体化方法。
3. 熟悉多视角视觉、语义地图、BEV 或其他空间信息建模方法，理解空间关系、可通行区域与环境约束的表达和利用。
4. 熟悉机器人导航数据的采集、处理与评测流程，具备闭环评测、真实数据回流或 bad-case 分析经验。
5.具备扎实的强化学习基础，熟悉 PPO、GRPO 等策略优化方法，理解离线数据构建过程、奖励设计与安全约束机制。
6. 了解 World Action Model 相关方法，具备良好的 Python、PyTorch 工程开发能力；
7. 有机器人实机部署、相关论文发表或大型项目经验者优先。
