具身智能高级算法资深专家

具身智能大模型与VLA架构

负责面向人形机器人双臂操作与全身运动的端到端 VLA（Vision-Language-Action）模型架构设计与研发

复现并改进 OpenVLA、pi0（Physical Intelligence） 等前沿方法

探索基于 Transformer / Diffusion / ACT 的动作与技能生成机制 2、多模态感知与长序列规划

实现视觉（RGB-D / Point Cloud）、语言指令、力觉/触觉等多模态信息的深度对齐与融合

提升机器人在非结构化环境下的 长时序任务规划（Long-horizon Planning）与泛化能力

强化学习与全身运动控制

设计基于 强化学习（RL） 的人形机器人 全身运动控制算法，实现稳定步态、动态平衡与抗扰恢复

研究 RL 与 WBC / MPC 融合架构（如 Residual RL），保障安全性与物理约束 4、仿真、数据闭环与Sim2Real

构建基于 Isaac Lab / Isaac Gym / Mujoco 的大规模并行仿真环境

通过 遥操作、仿真合成、视频模型自动标注 构建高质量具身数据集

利用 Domain Randomization / SysID 缩小 Sim2Real Gap

学历背景：计算机、人工智能、机器人、自动化、控制等相关专业；硕士及以上学历（博士优先），8年以上工作经验。

核心经验：至少3年以上 AI / 机器人算法经验；有具身智能 / 多模态大模型 / 人形或四足机器人实战经验

技术栈要求 深度学习：Transformer，VLM（Qwen-VL、LLaVA 等），SFT / LoRA / RL 强化学习：PPO / SAC / DDPG等 运动控制：WBC / MPC / 力位混合或阻抗控制等 工程能力：PyTorch，Python + C++，ROS2

加分项 复现或改进过 pi0.5 / GROOT N1 / Aloha 顶会论文（CVPR / NeurIPS / CoRL / ICRA 等） 熟悉 World Model / Vision-based RL / 人形平台（H1、G1、GR-1 等）