The posting
你将负责具身智能模型（VLA、RL policy）从仿真/真实数据到真机落地的完整闭环：部署、调试、实验设计、gap 定位、反馈改进——不是站在旁边看模型跑得好不好，而是亲手推动每一步性能提升。你会接触 sim2real 和 real data两条路径，分析数据质量、定位问题根因，甚至训练小模型或 RL policy 来闭环改进。这是一个真正影响模型能否在真机上 work 的角色。 职责如下： 1. 负责具身模型（VLA、RL policy 等）在真机上的部署、调试与迭代，从模型输入数据获取到推理结果验证，打通端到端链路； 2. 设计真机实验方案，制定评测指标与标准化协议，覆盖成功率、鲁棒性、泛化性等维度； 3. 深入分析 sim2real gap 和 real data 问题——定位性能差异的根因是数据、模型、还是系统层面，而非仅做表层评测； 4. 分析 teleop、UMI 等真实采集数据的质量与分布问题，与数据团队协作改进采集方案； 5. 参与训练小模型或 RL policy，根据真机反馈闭环改进； 6. 与模型、数据、仿真、软件团队紧密协作，将真机发现的问题转化为模型和数据改进方向。
1. 机器人、计算机、自动化或相关专业硕士及以上学历； 2. 深入理解至少一个方向的算法原理：VLA/具身模型、RL、sim2real、经典机器人学——理解力要能转化为真机问题定位能力，而不是只停留在论文层面； 3. 有机器人仿真环境（ManiSkill、Isaac Sim、Mujoco 等）实际使用经验，理解 sim2real 核心挑战； 4. 具备扎实的 Python 工程能力，有模型部署或真机调试经验； 5. 具备实验设计与数据分析能力，能从真机现象中系统性定位问题根因； 6. 兼具研究思维与工程落地能力——不是为了发论文，而是为了解决真实问题。 加分项： 1. 发表过机器人操作、sim2real、RL 相关顶会论文； 2. 有训练 VLA/RL policy 的实际经验； 3. 有 teleop/UMI 等真实数据采集与分析经验； 4. 熟悉 ROS/ROS2，有机器人软件系统集成经验； 5. 有从仿真到真机的完整项目落地经验。
