职位描述1、参与机器人数据采集、算法设计、模型训练与真机部署的全链路研发工作； 2、参与机器人数据采集规划，包括任务设计与质量分析，为下游模型训练提供高质量、多样化数据支持； 3、跟踪具身智能、机器人学习、VLA/WM/WAM 等方向的前沿进展，调研并分析最新研究工作。负责算法创新、模型结构设计与训练优化； 4、探索 RL 与模仿学习（IL）的混合训练范式：利用人类演示数据初始化策略，再通过 RL 进行微调和鲁棒性增强； 5、设计模型与底层运控（WBC/MPC）的协同接口: 实现高层 planner 策略输出与低层wbc controller的平滑衔接，确保物理安全性与稳定性； 6、参与模型在真实机器人平台上的模型部署与实时性优化、调试与性能评估，推动算法从仿真/离线训练走向真实场景应用；任职要求1、具备扎实的编程能力和工程实现能力，熟悉 PyTorch 等深度学习框架。熟练使用 Isaac Sim、MuJoCo 等仿真环境。熟悉机器人学基础：熟悉运动学（FK/IK）、动力学、坐标系变换（SMPL Y-up/Z-up 等）、关节空间与任务空间映射、全身控制（WBC）概念。 2、对深度学习基础模型结构、模仿学习方法有较好的理解。掌握以下基础内容： - 基本深度学习知识，如Transformer, DiT等模型架构。 - 基本现代生成模型知识，如Diffusion Model, Flow-Based Model等。 - 基本模仿学习知识，如ACT, Diffusion Policy等 3、熟悉具身智能算法方向的前沿进展，了解VLA、WAM、机器人基座模型的最新相关工作。尤其是： - 主流的VLA模型，如Pi系列，gr00t系列等。 - 主流的WAM模型， 如DreamZero，Lingbot-VA, FastWAM等。
