具身智能算法工程师(J51759)

VLA 模型架构设计与预训练：负责设计和优化 VLA 模型架构（如基于 RT-1, RT-2, Octo, PaLM-E 等路线），实现从多模态输入（视觉、文本、传感器数据）到机器人动作（Action Tokens/Trajectory）的端到端生成；探索并改进多模态大模型（VLM/LMM）在机器人控制领域的微调策略（SFT）与对齐技术；

具身智能数据引擎构建：构建大规模具身智能数据集，包括由人类遥操作采集的演示数据（Demonstrations）及仿真环境生成的合成数据；设计数据清洗、自动标注及数据增强流程，解决机器人数据稀缺与长尾分布问题；

强化学习与模仿学习算法研发：研究并应用模仿学习（Imitation Learning）、离线强化学习（Offline RL）等算法，提升模型在复杂操作任务中的泛化能力与鲁棒性； 利用 Sim-to-Real（虚实迁移）技术，在 Isaac Gym / MuJoCo 等仿真环境中训练策略，并将其部署到真实机器人硬件上；

模型部署与推理优化：负责 VLA 模型在边缘端设备（如 Jetson Orin）或云端的推理加速与部署，降低推理延迟，满足机器人实时控制（Real-time Control）的要求。

精通Python/C++，具有扎实的算法数据结构基础，熟练掌握PyTorch或JAX深度学习框架；

深入理解Transformer架构，熟悉LLM（Llama,Qwen等）或VLM（CLIP,ViT,LLaVA等）的训练与微调细节；

熟悉模仿学习（BC, T-Pots）、强化学习（PPO,CQL,IQL）或机器人运动规划算法；

熟悉3D视觉、点云处理、视频生成或扩散模型（Diffusion Models）。