岗位职责
- 策略后训练：负责 VLA / 基础操作模型的后训练全流程，在预训练/模仿学习得到的基座策略之上，通过强化学习微调（RLFT）、离线 RL、DAgger、HIL-SERL 、RECAP 等手段持续提升真实仓储任务的成功率与鲁棒性。
- 奖励与数据闭环：设计任务奖励函数与自动成功判定，搭建 Reward Model / 偏好数据标注流程，构建"部署→失败挖掘→补采/在线交互→后训练→自动评测→再部署"的策略迭代闭环。
- 大规模训练：在仿真并行环境与真机上开展大规模 Rollout 与 RL 训练，负责采样、经验回放、分布式训练框架的搭建与吞吐优化。
- 评测与安全：建立后训练前后的量化 Benchmark（成功率、恢复能力、碰撞率、泛化性），管控灾难性遗忘与安全约束，保障策略上真机的稳定性。
职位要求
- 计算机/自动化/机器人相关专业，扎实的 Python 工程能力。
- 系统掌握强化学习原理，熟悉各类 On/Off-Policy 等强化学习算法及其调参与稳定性问题。
- 了解模仿学习与 VLA 训练范式，理解预训练与后训练的分工与衔接。
- 熟悉至少一种仿真/训练平台（Isaac Lab/Isaac Gym/MuJoCo），具备真机或仿真 RL 落地经验。 加分项：
- 有大模型/VLA 后训练经验（RLHF/RLAIF、偏好优化、奖励建模）。
- 有 HIL-SERL、RECAP、Diffusion Policy、π 系列、GR00T、OpenVLA 等实践经验。
- 有 Sim2Real 迁移或在线 RL 真机部署的完整案例。
- 有分布式/GPU 并行训练基础设施经验。
- 有仓储物流自动化背景，或 CoRL/RSS/ICRA/IROS 论文、优质开源项目。
