The posting
1、ICL-WAM融合算法研发:设计基于ICL的WAM任务表征学习方法,实现操作任务的上下文理解与零样本/少样本泛化 ; 2、Manipulation场景落地:将ICL+WAM算法集成至机械臂/灵巧手系统,解决抓取、插拔、装配等精细操作的语言→动作映射问题; 3、技术攻关:优化ICL在WAM中的长上下文利用效率、任务表征压缩策略,结合世界模型提升操作鲁棒性 ; 4、前沿跟踪与协作:跟进CoRL、ICRA等顶会成果,与硬件团队协同完成算法部署。
1、AI、机器人、自动化等相关专业;有顶会一作论文者优先; 2、理解In-Context Learning核心原理,有Few-shot学习、提示工程经验; 3、理解World Model / World Action Model基本概念(了解Dreamer、DreamZero、Cosmos等优先); 4、熟悉机械臂/灵巧手Manipulation基础,有机器人操作项目经验; 5、熟练Python/PyTorch,了解ROS、Isaac Sim或Gazebo; 6、有算法工程化落地能力,能独立完成仿真→实物的算法迁移; 7、强问题导向、跨团队沟通能力与抗压能力。 加分项:有ICL + 世界模型在机器人操作中的项目经验;复现过InCLET、ReLIC或相关WM算法;熟悉VLA/VLM,有手眼协同、灵巧操作经验。



