职位描述
岗位职责：
1、参与具身基础模型研发，探索如何让机器人从视觉、语言、本体状态和历史交互中理解环境、预测未来并生成动作，构建能够在真实世界中完成复杂任务的通用机器人策略；
2、参与视觉-语言-动作模型（VLA）研发，探索多模态表示、Action Tokenization / Chunking、Diffusion / Flow Matching 等方法，以及不同模型架构、训练数据和训练 Recipe 对机器人能力的影响；
3、参与 World Model / World Action Model 研发，研究视频预测、未来状态预测与动作生成，让机器人不仅学习“下一步做什么”，也能够预测“做完之后世界会发生什么”；
4、参与长程机器人任务研究，探索任务理解、规划、技能组合、Memory 与 Context 等机制，使机器人能够将复杂任务分解并持续执行；
5、参与机器人 RSI（Recursive Self-Improvement）研究，围绕真实机器人 Rollout 构建自动评测、经验发现、策略改进与 Replay 验证闭环，探索如何从成功与失败经验中持续扩展模型的能力边界；
6、参与具身模型 Post-training 与 Adaptation，探索 Behavior Cloning、Reinforcement Learning、Test-Time Adaptation 等方法，使模型能够快速适应新的任务、环境与机器人本体；
7、参与模型从训练到真实机器人部署的完整过程，通过真机实验理解模型为什么成功、为什么失败，并从模型、数据和训练方法等不同角度持续提升机器人任务成功率与泛化能力；
8、跟进 VLA、World Model、Robot Learning、Embodied Agent、Robot RSI 等领域前沿研究，复现并验证有潜力的研究方向。
任职要求：
1、本科及以上在读，计算机、人工智能、机器人、自动化等相关专业，硕士 / 博士优先；
2、具备扎实的机器学习 / 深度学习基础，熟悉 Transformer 等主流模型架构；
3、熟悉以下至少一个方向：
- VLA / Multimodal Foundation Model；
- Imitation Learning / Reinforcement Learning / Robot Policy；
- World Model / Video Generation / Video Prediction；
- Diffusion / Flow Matching / Generative Modeling；
- LLM / VLM Agent / Long-Horizon Planning；
- Post-training / Online Learning / Test-Time Adaptation；
4、熟悉 Python、PyTorch，具备良好的算法实现、实验设计和工程能力；
5、有较强的论文阅读、复现和问题分析能力，愿意深入分析模型行为，而不仅仅关注离线 Loss；
6、对“如何让机器人获得越来越强的通用能力”这一问题有浓厚兴趣。
加分项：
1、复现或使用过 π0 / π0.5 / π0.7、OpenVLA、Octo、ACT、Diffusion Policy、Dreamer 等相关工作；
2、有 VLM / VLA / World Model / Video Generation / Reinforcement Learning 等模型训练或微调经验；
3、有机械臂、人形机器人、移动操作机器人等真实机器人实验或部署经验；
4、有 Robot Post-training、Online Learning、Failure Recovery、Test-Time Adaptation 或自主数据闭环相关研究经验；
5、熟悉 ROS / ROS2、MuJoCo、Isaac Sim / Isaac Lab 等机器人开发与仿真工具；
6、在机器人学习、机器学习、计算机视觉或多模态方向有论文、竞赛、开源项目或较完整的个人项目经验。
