职位描述
1. 多模态联合推理系统设计
- 研发端到端VLA架构，实现高层任务规划与低层动作生成的模态对齐，支持长程任务链（CoAT）的自主决策。
- 构建物理世界模型（World Model），解决仿真到现实的泛化鸿沟（Sim2Real），提升模型在复杂环境中的推理能力。
2. 动作生成与优化
- 开发扩散/自回归策略生成多模态动作轨迹，实现动作高速输出，满足机器人实时控制需求。
- 设计物理约束注入机制（如运动学可行性校验、碰撞避障），确保生成动作符合实体机器人动力学限制。
- 生成高维空间的灵巧长程操作动作。
3. 数据闭环与高效训练
- 构建问题驱动的数据引擎，融合主动学习与场景挖掘技术。
- 探索Scaling Law规模化路径：从模型架构、数据量到算力的协同扩展。
4. 边缘部署与实时优化
- 研发硬件感知的编译时-运行时协同优化框架，通过TensorRT/MNN量化、模型蒸馏，实现高效实时推理。任职要求
1. 核心技术能力
- 精通VLA全栈技术链：
- 架构：Transformer-based VLA（RT-2/OpenVLA）、扩散模型（Diffusion Policy）、快慢脑系统；
- 训练：多机多卡大模型训练、强化学习奖励函数设计、世界模型驱动的RL；
- 部署：动作Token化、模型轻量化（Pruning/Quantization）。
- 掌握物理建模工具：
- 3D高斯场景重建、Isaac Sim/Gym/Gazebo高保真仿真、ROS2实时控制框架。
2. 加分项
- 在机器人领域顶级会议/期刊（如SR/IJRR/RSS/T-RO/RA-L/JFR/ICRA/IROS等）发表过具身智能相关的研究论文。
- 在权威机器人竞赛（如 RoboMaster, RoboCup等）中取得优异成绩。
