职位描述岗位背景 我们正在开展面向足式 / 人形机器人的 Loco-Manipulation（运动-操作一体化）研究，目标是构建能够在真实物理环境中完成稳定行走、全身操作与复杂任务执行的智能系统。该岗位将聚焦 运动与操作的统一建模、学习与控制，并探索 Vision-Language-Action（VLA）与多模态模型 在 loco-manipulation 场景中的实际落地。 岗位职责 1、 Loco-Manipulation 核心研究 开展足式 / 人形机器人 loco-manipulation 相关研究，包括但不限于： 行走-操作耦合建模 动态稳定性与接触切换 全身协调控制与学习 探索 locomotion 与 manipulation 在动力学、规划与学习层面的统一表示 2、学习方法与模型设计 研究并应用强化学习、模仿学习、离线 RL 等方法于 loco-manipulation 场景 探索 基于策略模型 / world model / diffusion policy / transformer 的全身控制方法 结合 VLA（Vision-Language-Action）或多模态模型，实现高层任务理解与低层全身动作生成的衔接 3、多模态与 VLA 方向探索 将视觉、语言、状态与动作引入 loco-manipulation 闭环 参与或主导以下方向之一或多个： 语言条件下的运动-操作任务执行 视觉感知驱动的全身交互 多模态模型在复杂接触任务中的应用 探索多模态模型在机器人场景下的可控性、可解释性与安全性 4、仿真与真机验证 在高保真仿真环境（如 Isaac Sim / Mujoco）中设计实验并验证算法 参与真实足式 / 人形机器人平台上的测试与验证 分析失败案例，推动算法、模型与系统的持续改进 5、学术研究与成果输出 跟踪并评估国际前沿研究方向（loco-manipulation、VLA、具身智能等） 以第一作者或主要作者身份在 顶级会议/期刊（如 RSS、ICRA、IROS、CoRL、NeurIPS、ICLR 等）发表论文 参与专利、开源项目或技术报告的撰写任职要求学历与研究背景 博士学历优先（机器人、自动化、计算机、人工智能等相关方向） 硕士学历但具备优秀研究成果（高水平论文 / 突出项目）者可放宽 扎实的数学与控制 / 机器学习基础 必备技术背景 具备足式机器人相关研究或项目经历，包括但不限于： 四足 / 人形机器人行走控制 动态平衡、接触建模 Whole-body control 或运动规划 对 loco-manipulation 问题有深入理解或实际研究经验 VLA / 多模态相关要求（至少一项） 具备以下之一的研究或项目经历： Vision-Language-Action（VLA）模型 多模态模型（视觉 + 语言 + 动作） VLM / LLM 在机器人或 embodied AI 场景中的应用 理解多模态模型在机器人控制中的优势与局限 工程与实验能力 熟练使用 Python，熟悉 PyTorch / JAX 等深度学习框架之一 熟悉 Linux 开发环境，具备良好的实验复现与系统调试能力 能够在仿真与真机之间建立可靠实验闭环 加分项（非必须） 有 人形机器人 loco-manipulation 实际研究经验 熟悉 Isaac Lab / Isaac Sim / Mujoco 等仿真平台 有大规模数据训练、多卡/分布式训练经验 有真实机器人系统调试与长期实验经验 有跨学科背景（控制 + 学习 / 机器人 + 多模态模型） 我们能提供 聚焦 国际前沿问题 的研究环境 高自由度的研究空间与真实机器人平台支持 鼓励高水平论文与长期技术积累 与算法、控制、硬件、系统多方向专家紧密合作 有竞争力的薪酬与科研发展支持 我们期待这样的你 对 loco-manipulation + 多模态智能 有长期研究兴趣 能在复杂问题中进行系统性思考 既关注理论深度，也重视真实机器人验证 希望推动人形 / 足式机器人走向真实世界
