岗位职责
- 研究具身世界模型的核心算法，包括生成架构、动作条件化、物理合理性建模与长时序一致性等方向，推动世界模型面向具身数据仿真场景的针对性优化。
- 以"世界模型 as 具身数据仿真器"为核心命题，探索世界模型生成高质量具身训练数据的技术路径，量化合成数据对下游具身模型训练的实际增益。
- 探索引擎在环、物理条件化生成、动作-视频闭环等前沿方向，提升合成数据的物理保真度与可控性。
- 推动世界模型数据仿真管线的工程化落地，构建可规模化的合成数据生成系统，覆盖多视角、多模态、多任务的具身场景需求。设计世界模型能力评测基准，建立数据质量与下游模型性能的闭环反馈。
- 参与开源项目建设与顶会论文发表，沉淀研究成果为可复现的开放工具与学术贡献。
职位要求
- 计算机科学、人工智能、计算机视觉等相关专业硕士及以上学历。
- 2 年以上视频生成模型、扩散模型或世界模型相关研究或工程经验。
- 熟悉主流视频生成架构及训练流程，有大规模模型训练经验。了解物理仿真引擎（Isaac Sim、Genesis、MuJoCo 等），理解仿真与生成模型结合的技术路径者优先。
- 有具身智能/机器人/视频生成相关顶会论文发表（CVPR、ICCV、NeurIPS、CoRL 等）或知名开源项目贡献者优先。
- 具备良好的系统工程能力，能独立推进从研究原型到生产级管线的完整落地。
