职位描述
团队介绍：
穹彻智能预训练模型团队负责具身智能模型预训练的完整研发链路。
团队工作从数据源头开始：我们与硬件团队共同设计和迭代新一代数据采集硬件，推动高质量数据采集体系建设；在此基础上开展数据质量治理，建设Data Infra与Training Infra，完成模型研发与规模化训练，并进一步推进模型部署、真机调试和系统化评测。
我们的研发链路覆盖：
采集硬件设计 → 数据采集与运营 → 数据治理 → Data Infra → Training Infra → 模型训练 → 模型部署 → 真机评测与反馈
在具身智能领域，任何一个环节出现偏差，都可能直接影响最终的真机效果。因此，我们不仅关注单点算法指标，也关注数据、训练、部署和真实机器人系统之间能否形成正确、稳定且可持续迭代的闭环。
团队希望每位成员既能在一个技术方向形成深入积累，也能理解并参与完整研发链路，真正对最终模型能力和真机效果负责。
职位描述：
你将参与具身智能预训练模型的完整研发流程，围绕数据、模型、训练系统、部署和真机验证开展研发工作。具体方向包括但不限于：
1. 参与具身智能预训练模型及多模态模型的算法研究、模型设计、实验迭代和规模化训练；
2. 参与机器人视觉、语言、动作等多模态信息的建模与学习；
3. 参与数据治理相关算法研发，包括数据质量评估、筛选、清洗、标注和数据配比优化；
4. 参与Data Infra与Training Infra建设，提升数据处理和大规模训练的效率、稳定性与可扩展性；
5. 参与机器人运动控制、运动规划及相关算法研发；
6. 参与模型部署、真机调试、实验评测和问题定位，推动算法在真实机器人系统中形成闭环；
7. 与硬件、数据采集、平台及其他算法团队协作，共同解决具身智能研发链路中的系统性问题。任职要求
我们期待这样的你：
1. 27届应届生及毕业3年内的往届生，本科及以上学历，计算机、电子信息、自动化、机器人等相关专业优先；
2. 在具身智能、多模态学习、机器人学习、运动控制与规划或AI Training Infra等至少一个方向具有科研或项目经验；
3. 具备扎实的编程、算法和工程基础，熟练使用Python，熟悉至少一种主流深度学习框架；
4. 具备将算法落地为可运行、可测试系统的能力，愿意参与真机调试和端到端问题解决；
5. 能够熟练、深入地使用AI工具辅助研究、编码、调试、实验分析和技术协作，并能够独立验证AI输出；
6. 具备良好的逻辑思维、自驱力、学习能力和沟通协作能力；
7. 对具身智能技术有长期兴趣，愿意主动拓展技术边界，成长为覆盖多个研发环节的复合型人才。
【加分项】
【加分项】
以第一作者身份在人工智能、计算机视觉、机器人等相关领域顶级会议发表过论文；
参加过RoboMaster等具有较强工程实践要求的重要赛事，并取得突出成绩；
具有大模型训练、分布式训练、真实机器人调试或完整算法系统研发经验；
有高质量开源项目、技术竞赛成果或其他能够证明科研及工程能力的作品。
【培养与发展规划】
预训练模型团队希望培养具备全栈研发能力的具身智能算法人才。这里的“全栈”并不是要求每个人同时精通所有方向，而是能够理解完整系统、跨环节解决问题，并在其中一个或多个方向形成技术深度。
第一阶段：建立全链路认知
加入团队后，成员将有机会接触预训练研发的多个环节，包括：
数据处理与数据治理；
Data Infra与Training Infra；
模型设计、训练和实验分析；
模型部署与推理优化；
真机调试、评测与问题定位。
这一过程不是形式化轮岗，而是通过真实研发任务，帮助成员理解不同环节之间的依赖关系，以及每项工作对最终真机效果的影响。
第二阶段：形成端到端研发能力
在具备全局认知后，成员将逐步承担更完整的研发任务，从问题定义、方案设计和代码实现，到实验验证、部署调试和效果复盘，培养独立推进复杂技术问题的能力。
团队也将鼓励成员深入使用AI工具提升研究和工程效率，逐步建立AI原生的研发方法。
第三阶段：在重点方向形成技术深度
在具备跨链路研发能力的基础上，成员可以结合个人兴趣、能力特点和团队需求，选择具身智能模型、多模态学习、数据治理、Training Infra、运动控制与规划、模型部署等方向持续深入，逐步成长为能够独立负责关键技术方向的核心研发人员。
我们的目标，是帮助优秀的年轻研究者和工程师成长为：
既理解完整具身智能研发系统，又能够在关键方向形成深入技术积累的复合型算法人才。
