物理智能仿真与生成青年研究员

面向具身智能与 Physical AI，开展 Real2Sim2Real、生成式仿真、可交互 3D 场景生成、合成数据及多模态物理仿真 等方向研究，探索从真实世界建模、仿真世界生成到机器人策略训练与真实环境验证的完整技术闭环。 岗位职责

1. 01

   参与物理智能仿真与生成方向的前沿研究，围绕 Real2Sim2Real、Generative Simulation、Synthetic Data 等方向开展算法研发，探索面向具身智能的新一代仿真与数据生成范式。

2. 02

   研究面向具身智能的可交互场景生成与重建技术，探索基于图像、视频及多模态数据的三维场景理解、几何重建、资产生成、物理属性恢复与场景编辑，实现高保真、可交互、物理一致的仿真环境构建。

3. 03

   探索基于 VLM、多模态大模型及生成模型的自动化仿真场景生成，研究从自然语言、图像及视频等输入自动生成场景、任务、资产与交互环境的方法，提升仿真世界构建的自动化程度与多样性。

4. 04

   研究生成式仿真数据与机器人轨迹数据合成，探索场景生成、任务生成、轨迹生成及数据质量评估等关键技术，构建规模化、多样化的机器人训练与评测数据。

5. 05

   探索复杂物理世界建模与多模态仿真，包括刚体、液体、柔体、可变形物体等物理过程，以及视觉、触觉等多模态传感器仿真，提升生成环境的物理真实性与交互能力。

6. 06

   探索仿真与生成技术在 VLA（Vision-Language-Action）、World Model / World Action Model、机器人策略学习等方向中的应用，开展模型训练、策略评测、仿真泛化及 Sim2Real 研究。

7. 07

   构建 Real → Sim → Learning → Real 闭环验证体系，通过真实机器人实验分析仿真环境、合成数据及模型策略之间的 Domain Gap，持续提升仿真数据对真实机器人任务的有效性。

8. 08

   跟踪 Physical AI、具身智能、生成模型、三维视觉及机器人学习领域前沿技术，负责关键问题定义、技术路线设计与实验验证，推动研究成果形成高水平论文、专利、开源项目或实际应用。

1. 01

   计算机科学、人工智能、机器人、自动化、电子信息等相关专业，博士优先。

2. 02

   在以下至少一个方向具有较深入的研究经验：具身智能、Real2Sim / Sim2Real、机器人学习、3D Vision、3D Generation、生成模型、World Model、物理仿真等。

3. 03

   具备扎实的机器学习、深度学习及计算机视觉基础，熟悉 Python、PyTorch 等常用开发与深度学习框架。

4. 04

   具备良好的科研能力，能够独立完成问题定义、文献调研、算法设计、实验验证及结果分析。

5. 05

   了解机器人仿真及学习相关技术，熟悉 Isaac Sim / Isaac Lab、MuJoCo、SAPIEN、ManiSkill 等一种或多种仿真平台者优先。

6. 06

   具备良好的英文文献阅读、技术沟通与团队协作能力，对 Physical AI 与具身智能方向具有持续研究兴趣。 加分项

7. 01

   具有 Real2Sim2Real、生成式仿真、自动化场景生成或机器人合成数据相关研究经验；

8. 02

   熟悉 NeRF、3D Gaussian Splatting、Mesh、3D Generation、Video Generation 等三维重建与生成技术；

9. 03

   具有 VLA、World Model / World Action Model、Imitation Learning、Reinforcement Learning 等相关研究经验；

10. 04

    具有液体、柔体、可变形物体、触觉等复杂物理与多模态仿真经验；

11. 05

    具有机器人真机实验及 Sim2Real 闭环验证经验；

12. 06

    在 CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML、RSS、CoRL、ICRA、IROS 等相关会议或期刊发表过高质量研究成果，或具有高质量开源项目及系统落地经验。