The posting
关于该职位 在这个岗位上,你将负责建立具身模型(VLA、WAM及其他机器人基础模型)的后训练与持续学习体系,让机器人在真实部署中持续变强。
主要职责 - 与各团队协作,打通模型推理、数据采集、数据回流、模型更新各环节,建立面向具身模型后训练与持续学习的基础设施,包括数据回流格式、失败案例挖掘、自动评估与模型迭代闭环。 - 面向具体任务,研究并落地具身模型在真机与仿真环境中的后训练算法(如监督微调、在线/离线强化学习、偏好优化、基于世界模型的策略改进与奖励估计等)。 - 研究具身模型后训练中的灾难性遗忘与能力坍塌问题,探索在提升目标任务表现的同时保留模型的通用能力与泛化性。 - 研究面向技能与通用能力的后训练范式,探索大规模部署回流数据的筛选、标注与再利用方式,为跨任务、跨场景、跨模型的能力增长建立方法论。
- 机器人学、计算机科学或相关领域的博士学位(优先)或硕士学位。
- 具备大规模基础模型(VLA、视频/世界模型、LLM/VLM 等)的微调或后训练实践经验。
- 在模仿学习、强化学习(在线/离线)、偏好优化或持续学习中至少一个方向有扎实的研究或工程经验。
- 精通 Python、PyTorch 及分布式训练框架,熟悉机器人数据格式与真机/仿真评估流程。
优先考虑 - 有 VLA/WAM的训练与真机部署经验。 - 有世界模型或视频模型在机器人任务中的后训练与应用经验。 - 有 RLHF/DPO、RL fine-tuning、蒸馏等大模型后训练经验,或有真机RL与人在环路策略迭代的实践经验。 - 在 RSS、CoRL、ICRA、NeurIPS、ICML、ICLR、CVPR 等顶级会议上的第一作者发表记录。 - 有领导或参与被广泛采用的开源模型,或已被集成到知名产品或平台中的研究的经验。



