The posting
【团队与项目背景】 我们致力于构建一套面向真实物理世界的人形机器人系统，围绕全身协同控制与通用具身智能，探索视觉、语言、动作与环境动态的统一建模，让机器人在复杂场景中协同完成移动、操作的复杂任务，最终走向机器人部署态。 【岗位职责】 1. 全身协同 VLA：研究面向人形机器人的视觉语言动作模型，探索多模态指令理解、动作表示与策略学习，实现移动、双臂操作和身体姿态的协同。 2. WAM 与模型驱动决策：探索动作条件下的环境动态预测、交互结果建模，以及世界模型在规划、策略训练与长时序任务中的应用。 3. 强化学习与技能学习：开发全身运动与操作策略，研究模仿学习、强化学习及其结合方法，提升策略的稳定性、灵巧性与泛化能力。 4. 数据与训练体系：参与遥操作、仿真及真机数据的采集与处理，搭建训练和评测流程，通过对照实验与失败案例分析持续改进算法。 5. 前沿技术复现，跟进具身智能领域最新研究，参与复现行业内顶尖的方案，探索下一代的技术框架；
【任职要求】 - 计算机、人工智能、自动化、机器人、数学等相关专业在读，本科高年级、硕士或博士均可。 - 具备扎实的数学与机器学习基础，熟悉深度学习基本原理，能够理解并实现相关论文中的核心方法。 - 熟练使用 Python 与 PyTorch，具备良好的代码实现、调试和实验分析能力，熟悉 Linux 开发环境。 - 在多模态模型、强化学习、模仿学习、世界模型或机器人控制中，至少对一个方向有较深入的学习或实践经验。 - 对真实机器人问题有兴趣，愿意结合实验现象定位问题，关注算法效果、运行效率与部署可靠性。 - 具备主动学习、清晰沟通与团队协作能力，能够持续推进研究或工程任务。 【加分项】 - 有 VLA、WAM、模仿学习、强化学习或者多模态模型微调经验。 - 有人形机器人全身控制、移动操作、双臂协同、灵巧操作等项目经历。 - 熟悉 Isaac Lab、MuJoCo 等仿真工具，具备强化学习训练、域随机化或 Sim-to-Real 实践经验。 - 有世界模型、视频生成、模型式强化学习或基于模型的规划经验。 - 具备机器人运动学、动力学、轨迹优化、MPC 或 WBC 基础。 - 有真机部署、遥操作数据采集、大规模训练或推理优化经验。 - 有相关论文、开源贡献、竞赛成果或可展示的个人项目，能够清晰说明自己的贡献与技术取舍。 【我们提供】 - 真实的机器人研究场景：围绕全身协同中的实际难题开展工作，参与算法在真实物理世界中的验证与迭代。 - 完整的研发实践机会：接触数据、模型、仿真、控制与部署各环节，建立对具身智能系统的整体理解。 - 深入的技术指导与讨论：与算法及机器人工程团队紧密协作，获得论文研读、方案设计、实验分析和代码评审方面的支持。 - 有空间的课题与责任：结合个人能力和兴趣承担独立模块或研究课题，以实际效果和技术贡献衡量成果。 - 研究成果与职业成长支持：支持有价值的工作沉淀为论文、专利或开源成果，具体结合项目进展与成果条件推进。
