1. VLA 模型架构设计与预训练：负责设计和优化 VLA 模型架构（如基于 RT-1, RT-2, Octo, PaLM-E 等路线），实现从多模态输入（视觉、文本、传感器数据）到机器人动作（Action Tokens/Trajectory）的端到端生成；探索并改进多模态大模型（VLM/LMM）在机器人控制领域的微调策略（SFT）与对齐技术
2. 具身智能数据引擎构建：构建大规模具身智能数据集，包括由人类遥操作采集的演示数据（Demonstrations）及仿真环境生成的合成数据；设计数据清洗、自动标注及数据增强流程，解决机器人数据稀缺与长尾分布问题
3. 强化学习与模仿学习算法研发：研究并应用模仿学习（Imitation Learning）、离线强化学习（Offline RL）等算法，提升模型在复杂操作任务中的泛化能力与鲁棒性； 利用 Sim-to-Real（虚实迁移）技术，在 Isaac Gym / MuJoCo 等仿真环境中训练策略，并将其部署到真实机器人硬件上
4. 模型部署与推理优化：负责 VLA 模型在边缘端设备（如 Jetson Orin）或云端的推理加速与部署，降低推理延迟，满足机器人实时控制（Real-time Control）的要求

教育程度：大学本科
工作经历：
有2~3年具身智能（Embodied AI） 相关项目经验，复现或改进过相关 SOTA 模型（如 Google RT系列, Aloha, VoxPoser 等）；熟悉机器人操作系统（ROS/ROS2）及常用仿真平台（Isaac Sim, Gazebo, MuJoCo）
所需专业： 计算机科学、自动化、机器人、人工智能等相关专业硕士及以上学历（博士优先）
专业能力：
1.精通 Python/C++，具有扎实的算法数据结构基础，熟练掌握 PyTorch 或 JAX 深度学习框架
2.大模型/多模态：深入理解 Transformer 架构，熟悉 LLM（Llama, Qwen等）或 VLM（CLIP, ViT, LLaVA等）的训练与微调细节
3.机器人学习：熟悉模仿学习（BC, T-Pots）、强化学习（PPO, CQL, IQL）或机器人运动规划算法
4.计算机视觉：熟悉 3D 视觉、点云处理、视频生成或扩散模型（Diffusion Models）
通识能力：
1.逻辑思维能力
2.责任心强及学习能力强，
3.需要具备沟通协作和一定的抗压能力
4.良好的团队协作精神
语言要求：英语四六级或者同等水平要求