岗位描述

岗位职责

1. 负责 V(T)LA-Vision (Tactile) Language Action模型的研发，将视觉感知、语言等多模态与动作决策进行统一建模

2. 设计并实现基于多模态大模型（VLM / LMM / LAM）的感知—理解—决策—控制算法框架

3. 构建和训练视觉-语言-动作联合模型，用于机器人操作、任务执行或智能体决策

4. 研究并落地 Imitation Learning、Reinforcement Learning、LLM-based Planning、Behavior Cloning 等算法

5. 参与真实/仿真环境（如 Mujoco / Isaac Sim / Habitat / CARLA）中的数据采集方案设计

6. 与系统，软件，硬件团队协作，完成算法在真实系统中的部署与优化

7. 跟踪并复现前沿论文（如Pi，RT-2、PaLM-E、Octo、OpenVLA 等），推动技术演进

岗位要求：

1.硕士及以上学历，计算机、自动化、机器人、人工智能等相关专业

2.扎实的机器学习 / 深度学习基础，熟悉 Transformer、Diffusion、Policy Learning 等模型。熟悉计算机视觉 + 自然语言处理 + 强化学习中至少两类方向

3.熟练使用 Python / PyTorch（或 JAX），具备良好的代码与实验习惯

4.具备较强的问题拆解能力、科研能力和工程落地能力

加分项：

1.有 VLA / 多模态大模型 / 具身智能 / 机器人学习相关项目或论文经验

2.熟悉 LLM / VLM（如 GPT、LLaMA、CLIP、BLIP、GPT-4V）的训练或微调

3.有机器人操作、导航、自动驾驶、Agent 系统的实际经验

4.熟悉强化学习（RL / IL / Offline RL）或控制理论

5.参加过 RoboCup、CVPR / ICLR / NeurIPS / RSS 等相关竞赛或会议

6.有大规模数据训练、分布式训练、模型部署经验者优先

VLA算法工程师