The posting
岗位定位 导航正在从"几何问题"变成"理解问题":机器人要知道"这里是哪"(place recognition)、"眼前的场景跟记忆里哪个对得上"(3D scene matching)、"桌子在哪、杯子在哪个台面"(scene understanding、scene graph representation)、"怎么按这句话走过去"(VLN),甚至自己拆解任务、决定下一步(agentic navigation)。我们正在寻找一位导航算法工程师/研究员,核心方向是 learning-based 导航——研究、训练并把这些能力在真机上做出来,让导航从固定管线里的规划,变成建立在场景理解之上的智能行为。
岗位职责 1. 研究场景理解与空间记忆方法——place recognition、3D scene matching、scene graph representation 等,让机器人认得来过的场景、找得到见过的物体,支撑重定位、语义建图与长程空间推理; 2. 研究 VLN 与任务驱动导航——基于自然语言指令在真实环境中导航,集成已有感知与语言模型(VLM/LLM),实现"要去哪、做什么"到行动的闭环; 3. 研究 agentic navigation——让机器人自主拆解导航任务、规划多步行动、调用技能与工具(探索、重试、改道、失败恢复),经典规划栈可作为被组合调用的技能层; 4. 训练与迭代导航策略(end-to-end / RL / 模仿学习),负责 sim2real 迁移(domain randomization、感知对齐等)与真机验证; 5. 构建数据与评测体系——仿真环境与训练管线(Isaac Sim、Habitat 等)、真机数据采集、benchmark 与指标设计,支撑方法快速迭代; 6. 在真机上端到端验证与迭代,与 SLAM/定位、感知、移动操作、仿真团队协作,推动 learning-based 导航能力落地。
1. 机器人、计算机、自动化或相关专业硕士及以上学历,博士优先; 2. 在以下至少一个方向有深入理解和实际经验:place recognition / 3D scene matching / scene graph representation / scene understanding / VLN / agentic navigation; 3. 深入理解视觉与多模态深度学习——表征学习、matching、检测分割、多模态预训练(VLM/LLM)等,有模型设计与训练的实际经验; 4. 有 VLM/LLM 在机器人或导航任务上的研究或使用经验——prompt、微调、agent 框架、工具调用等; 5. 熟悉主流仿真器与具身导航基准(Isaac Sim、Habitat、ManiSkill 等),能独立搭建仿真环境与训练管线; 6. 理解 sim2real 核心挑战,有导航策略或相关模型的真机部署与验证经验者优先; 7. 具备扎实的 Python 工程能力,能使用 C++ 进行系统级开发; 8. 兼具研究深度与工程落地能力——能跟前沿论文(能复现、能超越),更能让真机动起来。
加分项 1. 发表过 place recognition、scene understanding、VLN、embodied navigation 相关顶会论文(CVPR、ICCV、ECCV、NeurIPS、RSS、CoRL、ICRA、IROS 等); 2. 有 3D scene graph、visual grounding、open-vocabulary detection 的研究或工程经验; 3. 有 VLM/LLM 驱动的 agentic 系统或 VLA 模型的研究与落地经验; 4. 有导航策略(RL / end-to-end / 模仿学习)在真机上的完整落地经验; 5. 参与过具身导航相关 benchmark 建设或开源项目。



