具身智能基础模型与操作算法实习生

1、参与具身智能基础模型及机器人操作算法的研发与优化，包括多模态环境感知、任务理解、具身推理、动作生成与控制等技术的研究与落地应用；

2、参与Vision-Language-Action（VLA）、World Model、World Foundation Model（WFM）、World Action Model（WAM）等前沿技术研究，探索视觉、语言、状态与动作的统一建模以及面向通用机器人操作的基础模型技术；

3、参与物品抓取、Pick-and-Place、灵巧操作及柔性物体操作等任务的算法研发，研究Imitation Learning、Diffusion Policy、Action Chunking、Reinforcement Learning等策略学习方法，提升机器人在开放环境和复杂操作任务中的泛化能力；

4、负责跟踪和调研Embodied AI、Robot Foundation Model、VLA、World Model、Robot Learning等领域的前沿技术、开源模型及学术成果，持续迭代优化具身智能模型与机器人操作算法体系。

1、硕士及以上学位在读，计算机科学、人工智能、机器学习、自动化、机器人、电子信息等相关专业；

2、有具身智能、机器人学习、机械臂操作、模仿学习、强化学习、VLM/VLA、World Model等相关研究或技术落地背景优先；

3、熟练掌握Python、C/C++等编程语言及PyTorch等主流深度学习框架，熟悉Transformer、VLM/VLA等模型基本原理，具备计算机视觉、深度学习及机器人学习相关基础；

4、熟悉Imitation Learning、Diffusion Policy、Reinforcement Learning、World Model、WFM/WAM、3D Representation等方向中的一种或多种技术，有机器人操作、柔性物体操作或通用具身策略研究经验者优先；

5、熟悉ROS/ROS2、MuJoCo、Isaac Sim/Isaac Lab、ManiSkill等机器人开发或仿真平台，有机械臂、灵巧手、移动操作机器人等真实机器人实验及Sim2Real经验者优先；

6、在CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、CoRL、RSS、ICRA、IROS等人工智能、计算机视觉及机器人领域顶级会议发表过相关论文，或具有具身智能、机器人学习相关高水平科研项目及实习经验者优先；

7、具备良好的自主学习能力和科研自驱力，逻辑思维清晰，具备优秀的科研创新、实验分析、工程实现、沟通和团队协作能力。