岗位职责
前沿算法研究与复现 跟踪 VLA/WAM 领域最新进展（如 OpenVLA、RT-
- Pi
- Diffusion Policy、DreamZero、Lingbot-VA 等），完成 SOTA 算法在仿真与实机环境下的复现与性能分析； 探索基于大模型的端到端机器人决策框架，实现感知→理解→规划→动作的闭环。 VLA/WAM 模型架构设计与优化 设计面向工业场景的 VLA 模型结构，重点解决多模态特征对齐、动作序列生成、推理效率优化等问题； 提升机械臂在复杂任务中的操作精度、泛化能力与鲁棒性。 Scaling 研究与泛化能力提升 开展 VLA/WAM 的 scaling law 研究，涵盖数据规模、模型结构、机器人构型等维度； 实现长序列任务执行、跨任务技能迁移与动作泛化，在更复杂的工厂或开放环境中验证模型上限。 数据系统与自动标注开发 参与多模态大模型所需的数据清洗、自动标注与增强系统的开发； 探索高效的数据合成方法（如 sim2real 数据生成、LLM 辅助标注），保障数据质量与多样性。 仿真训练与真实部署 基于 Isaac Sim / Gym / Lab、MuJoCo 等平台搭建高保真仿真环境，构建强化学习与模仿学习训练框架； 设计 real2sim2real 迁移策略，加速算法从仿真到现实世界的部署； 具备实机调试经验，能独立完成模型在机械臂或人形机器人上的部署与迭代。
职位要求
学历与专业背景 硕士及以上学历，计算机科学、人工智能、机器人学、自动化、电子工程等相关专业；博士或有顶会发表者优先。 核心技术能力 熟悉主流 VLA/WAM 模型：OpenVLA、RT-1/RT-
- Pi
- RDT、DreamZero、Lingbot-VA 等； 熟悉多模态大模型：Llava、Qwen-VL、CLIP、PaLM-E、RFM、R3M 等； 掌握基础 CV 模型：ViT、DINO、SAM、Diffusion、GAN；熟悉 NLP 模型：BERT、GPT、LLaMA 系列； 熟悉 PyTorch，熟练使用 ROS、TensorFlow、JAX 等框架；编程语言以 Python 为主，熟悉 C/C++ 者更佳。 算法与项目经验 具备扎实的强化学习理论基础，熟悉 PPO、SAC、DDPG、TD3 等主流 RL 算法； 有机器人端到端操作、模仿学习、sim2real 迁移的实际项目经验； 有模型压缩（量化、蒸馏）、分布式训练、高效推理优化经验者优先。 工程与落地能力 有在真实机器人平台（机械臂、人形机器人等）上部署和调试图像驱动策略的经验； 熟悉机器人运动学、动力学建模及底层控制接口者优先。 学术与创新能力 在 CVPR、ICRA、IROS、RSS、NeurIPS、CoRL、TRO、RAL 等顶级会议或期刊发表过论文者优先； 具备独立思考能力，对技术路线有深刻理解与前瞻性判断。
