【实习】物理智能世界模型训练实习生

参与物理智能世界模型的训练与优化，包括机器人交互数据建模、动作条件预测、轨迹生成、状态预测等方向。

协助构建和维护机器人训练数据流程，包括数据采集、清洗、标注、对齐、质量评估。

参与多模态机器人模型训练，包括视觉、语言、动作、状态、传感器信息等多源输入的建模与实验。

负责或协助完成模型在真机机器人上的部署与验证，包括推理链路搭建、控制接口适配、延迟优化、稳定性测试和实验记录。

参与机器人任务实验设计，例如抓取、放置、操作、导航、长程任务执行等，并分析模型在真实环境中的失败案例。

协助搭建仿真到现实的实验闭环，包括仿真环境配置、策略评估、真机复现、误差分析和迭代优化。

跟进物理智能、机器人基础模型、World Model、VLA/VLM、Diffusion Policy、Imitation Learning、RL 等相关前沿工作，并复现或验证关键方法。

与算法、机器人、平台工程团队协作，将研究模型转化为可运行、可评估、可迭代的真机系统。

计算机、人工智能、机器人、自动化、电子工程、机械工程、数学等相关专业本科高年级、硕士或博士在读。

熟悉 Python，具备良好的工程实现能力，能够使用 PyTorch / JAX / TensorFlow 中至少一种深度学习框架完成模型训练与调试。

了解机器人学习或具身智能相关基础概念，例如模仿学习、强化学习、行为克隆、轨迹预测、运动控制、状态估计等。

具备较强的深度学习基础，理解 Transformer、Diffusion Model、VLM/VLA、多模态表示学习、序列建模等至少一种相关技术。

具备较强的问题拆解能力和实验分析能力，能够独立阅读论文、设计实验、记录结果并进行复盘。

对真机实验有耐心，能够接受机器人系统调试中的不确定性，包括传感器误差、控制延迟、硬件故障、环境变化等实际问题。

可长期实习者优先。