职位详情

岗位责任
1 世界模型研发与优化负责研发和优化世界模型算法，构建机器人的环境感知状态预测和决策规划能力，提升机器人在复杂环境中的自主决策和适应性 。
2 多模态数据融合开发适用于机器人端到端操作的多模态世界模型，整合视觉语言触觉等多模态信息，构建统一的环境表征和动态预测模型 。
3 时空特征学习设计和优化机器人视频表征学习方法，从多模态数据中提取有效的时空特征表示，提升机器人的视觉空间推理和环境理解能力 。
4 强化学习与仿真研究基于世界模型的机器人强化学习技术，开发高效的仿真环境，提升机器人在现实世界中的学习效率和泛化能力 。
5 技术前沿跟踪跟踪世界模型多模态学习机器人学等领域的最新研究进展，推动技术创新和产业化应用落地。
职位要求
1 专业背景具有计算机视觉人工智能机器人学认知科学等相关专业背景或相关行业工作经验 。
2 编程能力熟练掌握主流深度学习框架（如PyTorchJAX），具备优秀的编程能力和代码工程化经验 。
3 模型理解对世界模型生成模型（如DiffusionGANFlowTransformer等）有深入理解，有大规模模型训练经验，熟悉相关评测方法和基准测试 。
4 表征学习熟悉多模态表征学习方法，能够从视频图像文本等数据中提取有效的特征表示，具备时序建模和动态预测经验 。
5 机器人技术了解机器人端到端操作模型（如ACTDiffusion PolicyOpenVLART-2pi0等）及视觉-语言-导航大模型的前沿进展 。
6 强化学习具备机器人强化学习技术经验，有真实环境下的实施和优化经验，熟悉仿真到现实的迁移学习 。
7 分布式训练具备大规模分布式训练经验，能够处理海量多模态数据和大型模型，熟悉模型并行和数据并行技术 。
8 学术背景在ICMLNeurIPSICLRICCVCVPRCoRL等会议发表论文，或在ACM等程序设计竞赛中获奖者优先考虑。
9 个人素质具有强烈的技术热情创新思维和持续学习能力，能够独立思考和解决复杂技术问题。