岗位职责
我们正在构建 **RynnWorld** 具身智能体系，围绕机器人操作中的感知、交互与策略学习，探索从真实采集、人类视频利用到仿真闭环的完整链路。你将参与以下核心方向： - 研究腕部视角等信息在机器人操作任务中的必要性，探索视角数据的生成与合成方法，设计对照实验验证其对下游策略的实际收益； - 研究从人类操作视频中恢复手-物交互信息并重定向到机器人本体，结合仿真验证搭建数据闭环，支撑下游策略训练； - 与策略训练团队协作，将验证有效的方法接入模仿学习 / 强化学习流程； - 持续优化闭环中各环节的自动化程度与产出效率。 通用职责： - 设计并执行算法实验，撰写技术报告，明确结论与可复用的方案； - 与策略、仿真、平台团队协作，推动方法与工具链建设； - 跟踪具身智能、人类视频学习、机器人重定向等方向的前沿进展。
职位要求
- 计算机、机器人、自动化、人工智能等相关专业本科及以上学历，硕士 / 博士优先；
- 扎实的编程能力，熟练使用 Python，熟悉 PyTorch 等深度学习框架；
- 具备以下至少一个方向的实践经验： - 机器人模仿学习 / 强化学习 / 策略训练与后训练； - 计算机视觉（姿态估计、关键点检测、手物交互、视频理解）； - 机器人仿真（Isaac Sim / MuJoCo / SAPIEN / RoboTwin 等）与 sim-to-real； - 机器人运动重定向 / 动作迁移 / 遥操作 / 人类视频到机器人策略迁移；
- 具备良好的实验设计能力，能清晰定义对照实验并量化结论；
- 有较强的工程落地能力，能独立搭建与验证算法 pipeline。 加分项： - 有世界模型 / VLA / WAM 相关训练或后训练经验，理解视频预测与动作生成的耦合关系； - 有从人类视频学习机器人操作（learning from human videos）相关研究或项目经验； - 熟悉手物交互（hand-object interaction）、接触估计、3D 手部姿态重建； - 有真机训练与闭环评测经验，熟悉真实机器人数据处理流程； - 有大规模数据合成或数据闭环系统搭建经验； - 在 CoRL / RSS / ICRA / IROS / CVPR / ICCV / NeurIPS / ICLR 等顶会发表过相关论文； - 有开源项目、竞赛获奖或高质量技术博客 / 报告产出； - 熟悉多模态数据（RGB、深度、点云、力 / 触觉）处理与融合。
