具身智能大模型实习生

岗位职责
岗位描述
本岗位以技术突破为导向，面向 Physical AI 与具身基础模型，研究大规模预训练、后训练和持续学习中的关键问题。围绕数据、模型、训练与评测开展系统性研究，探索模型能力如何随数据规模、模型规模和训练计算量持续提升，构建具备泛化能力和持续进化能力的具身智能模型。
工作内容
1）研究 VLA、World Model、Offline/Online RL、Continual Learning 等方向，设计模型架构、训练目标和学习算法。
2）开展具身模型的大规模训练与后训练实验，研究人类示范、仿真、真机及互联网数据的联合训练方法，包括数据配比、采样策略、课程学习、数据质量评估和难例挖掘。
3）研究多任务、多机器人、多场景和长时序数据下的统一建模方法，提升模型的迁移、泛化、推理与持续学习能力。
4）建立离线评测、仿真评测和真机评测体系，将评测反馈用于数据选择、模型迭代与训练策略优化，形成自动化的数据飞轮。
5）复现、分析并改进前沿研究工作，推动研究成果在真实机器人系统中验证和落地。
6）沉淀研究成果，参与撰写和发表论文、技术报告及研究文档。

岗位要求
1）在 Robotics、VLA、World Model、Multimodal Foundation Model、Reinforcement Learning、Continual Learning 等至少一个方向具备深入研究经验。
2）具备扎实的深度学习基础，熟悉 Transformer、生成模型、模仿学习、强化学习或多模态建模中的相关方法。
3）具备完整的模型研究能力，能够独立完成问题定义、方法设计、大规模实验、结果分析和模型迭代。
4）具有多机多卡模型训练经验，能够根据模型与实验需求选择合适的训练方案。
5）具备机器人真机实验经验和一定的 ROS 基础，能够独立完成模型部署、数据采集与实验验证。
6）具备良好的研究品位、实验习惯和工程实现能力，能够快速将想法转化为可信、可复现的实验结果。
7）实习生需能够连续实习 4 个月及以上。
加分项
1）在 NeurIPS、ICML、ICLR、ICRA、CoRL、RSS、RA-L 等会议或期刊发表过相关论文。
2）主导或深度参与过具身基础模型、大语言模型或多模态模型的大规模训练。
3）具有数十卡及以上训练经验，完成过从数据准备、预训练、后训练到评测分析的完整模型迭代。
4）具有 Isaac Sim、Isaac Lab、MuJoCo、ManiSkill 等仿真平台经验。
5）对 Scaling Law、数据混合、训练稳定性、模型能力涌现或持续学习有系统性的研究和实践。
6）能够熟练使用前沿 AI 工具辅助文献研究、实验设计、数据分析与代码开发。