科研算法实习生（超级空间自主智能组）

如果你选择【A方向：机器人感知与高保真三维重建】 研发面向室内家具、大型设备的 多传感器感知与高保真三维重建算法 ，支撑数字孪生业务落地 参与RGB、RGB-D、3D LiDAR、IMU等多传感器的联合标定、时间同步、位姿估计、数据配准与 多模态融合 ，构建稳定机器人感知链路 研究实现多视图几何、点云配准、SLAM、稠密重建、神经重建（NeRF/3DGS）等核心模块，提升重建结果的精度、完整性与可编辑性 研发遮挡处理、主动视角规划、质量评估与补扫算法，完成算法在机器人/机械臂平台的部署、调试与迭代 如果你选择【B方向：机器人LBM大模型与自主数据采集系统】 参与研发面向自主扫描任务的自研 Large Behavior Model（LBM） ，实现机器人从多模态观测、任务指令和自身状态到导航、观察、扫描及机械臂动作的 端到端行为生成 研究视觉—语言—动作模型、模仿学习、行为克隆、Diffusion Policy、Transformer Policy、强化学习等方法 ，构建适用于真实机器人系统的通用行为策略 建设机器人数据闭环，研发自主数据采集系统，使机器人能够根据重建质量、视角覆盖和遮挡情况，自主规划采集位置、相机姿态和机械臂扫描轨迹 参与数据采集平台软硬件集成，基于ROS/ROS2开发机器人系统核心功能，在真实环境开展实验并解决跨领域问题 【共性工作】 建设标准化数据集、评测工具与体系，跟踪领域前沿研究，输出专利、论文、数据集或可复用技术成果

计算机视觉、计算机图形学、机器人、人工智能、自动化、计算机等相关专业本科及以上学历，硕士、博士研究生优先 扎实掌握相关领域基础，熟练使用Python/C++，至少掌握一种深度学习框架（PyTorch/TensorFlow/JAX） 对对应方向一个或多个领域有实际项目或研究经验： -A方向 ：多视图三维重建、点云处理、SLAM、神经重建、主动视觉 -B方向 ：机器人策略学习、模仿/强化学习、视觉语言动作模型、机器人导航与控制 具备良好的代码习惯、独立实验能力和问题分析能力，愿意在真实机器人平台上动手实践 不要求同时精通两个方向，你可以选择自己最擅长的方向深入 【加分项】 有多传感器部署标定、数字孪生、机器人开发相关项目经验 熟悉OpenCV、Open3D、PCL、COLMAP等工具，或ROS/ROS2、MoveIt等机器人框架 有顶会顶刊论文、高质量开源项目、机器人/计算机视觉竞赛经历 能全职实习6个月及以上者优先