职位描述岗位定位 我们正在寻找在三维感知、机器人学习、多模态大模型或数据预训练等方向有深厚积累的算法研究员。你将与团队一起构建具身智能体的“大脑”与“空间智能”，负责从环境理解、世界建模到端到端决策、仿真迁移的核心算法研发，最终将模型部署到真实机器人上完成复杂任务。 岗位职责（入职后将聚焦其中1~2个方向） 方向一：空间智能与三维重建 - 研发前馈式（Feedforward）3D Gaussian Splatting 场景重建算法，从稀疏多视角或单目视频毫秒级输出紧凑3D高斯表示，支持动态更新与压缩。 - 构建实时SLAM系统（融合传统/NeRF/3DGS方法），处理自我中心（egocentric）与人中心（exocentric）混合输入，输出机器人坐标系下的稠密几何、物体6DoF位姿及相机轨迹。 - 开发人体-物体交互（HOI）重建：从多视角外部视频重建物体网格+姿态、人体SMPL/手部MANO参数；从单目自我中心视频实时重建手部与接触关系，生成时空对齐的HOI轨迹。 - 设计自动标定与数据预处理管线（多相机外参自标定、时间同步、空间对齐），为下游模型提供规范化输入。 - 向端到端模型输出可消费的空间Token（如场景图序列、可操作实体列表、接触点坐标），并与RL组协同提供动态场景下的状态预测（世界模型）。 方向二：VLA端到端模型与RL后训练 - 设计并训练视觉-语言-动作多模态Transformer（参考RT-2、Octo、PaLM-E），输入自然语言指令 + 空间Token + 本体感觉，输出离散/连续动作Token（关节角度、末端位姿或扩散策略）。 - 优化模型在真机上的推理速度与泛化能力，探索不同动作表示与模型压缩技术。 - 利用仿真环境（Isaac Sim、Mujoco）对VLA模型进行强化学习微调（PPO/SAC/RLPD），解决域迁移导致的分布漂移。 - 设计域随机化、系统辨识、扰动注入策略，提升策略在真实机器人上的成功率与平滑度。 方向三：预训练、Omni大模型与数据策略 - 利用大规模人类视频（Ego4D、Open X-Embodiment）及无本体交互数据，预训练多模态基座模型（视觉-语言-动作联合），作为VLA主干backbone。 - 探索scaling law，设计模型架构（如Transformer、DiT）与预训练任务（MAE、动作预测、对比学习）。 - 基于VLM/VLA大模型构建自动标注管线，对视频、轨迹、触觉信号进行结构化标注（动作阶段、接触事件、成功/失败标签），降低人工成本。 - 设计主动学习策略，从海量数据中筛选高价值样本（失败轨迹、长尾场景）。 - 牵头制定数据混合策略：真机遥操作数据 : 无本体人类视频 : 仿真合成数据的最优比例，设计消融实验验证，建立数据价值评估模型。任职要求- 计算机视觉、机器人学、机器学习、图形学等相关专业硕士及以上学历，博士优先。 - 在以下至少一个方向有深入研究和项目经验： - 三维重建/SLAM/3D Gaussian Splatting/物体姿态估计/人体手部重建 - 模仿学习（BC、ACT、Diffusion Policy）、强化学习（PPO、SAC）、机器人控制（MPC、力控）、VLA架构（RT-2、PaLM-E等） - 多模态预训练（CLIP、LLaVA）、大模型微调（LoRA、RLHF）、自动标注、数据合成与数据策略 - 扎实的编程能力：精通Python，熟悉C++，熟练使用PyTorch/JAX等深度学习框架。 - 熟悉至少一种仿真器（Isaac Sim、Mujoco、PyBullet）或真实机器人平台。 - 具备优秀的学习能力、逻辑思维与跨团队协作精神，能够快速将前沿论文转化为可工作的原型。 加分项 - 有真实机器人（机械臂、人形、四足）部署经验，特别是高复杂度操作任务（装配、双手协作）。 - 在CVPR/ICCV/ECCV/CoRL/ICRA/RSS/NeurIPS等顶会发表论文，或有高质量开源贡献。 - 处理过Ego4D、HoloAssist或自采机器人混合数据，有Sim2Real迁移实战经验。 - 熟悉ROS/ROS2，有实时系统或嵌入式开发经验。
