世界模型算法工程师

世界模型算法研发 研究并实现基于Transformer、Diffusion Model或Video Prediction的世界模型架构。 开发机器人动作条件下的环境预测模型，支持视觉-动作联合建模。 优化模型训练流程，提升预测精度和计算效率。

机器人动作生成 设计并实现基于世界模型的动作规划算法（如Model Predictive Control、强化学习策略）。 集成动作生成模型与机器人控制系统（如MuJoCo、Isaac Lab仿真环境）。 开发端到端的视觉-动作生成pipeline，实现从图像输入到关节指令输出。

数据采集与处理 参与机器人动作数据集的采集方案设计（结合公司技能服动捕系统）。 构建高效的数据预处理pipeline，包括动捕数据清洗、相机标定、时序对齐。 标注和管理机器人交互场景数据（物体操作、导航、人机协作等）。

系统集成与测试 将世界模型部署到公司机器人平台（如人形机器人、协作机械臂）。 与技能服系统进行软硬件联调。 设计实验方案，评估模型在真实场景中的性能（成功率、安全性、鲁棒性）。

技术文档与汇报 撰写技术文档，包括算法原理、实验结果、代码规范。 定期向团队汇报项目进展，参与技术讨论与论文阅读分享。

学历与实习要求 本科及以上在读，计算机科学、人工智能、机器人、自动化或相关专业。

编程与框架能力 熟练掌握Python，熟悉PyTorch深度学习框架。

机器学习与算法基础 理解深度学习原理（CNN、RNN、Transformer），有模型训练与调优经验（课程项目/科研课题/竞赛均可）。 了解至少一种世界模型方法（如World Models、DreamerV3、GENIE、UniSim等）。 熟悉图像处理、3D视觉或视频理解技术者优先。 了解强化学习基础（MDP、Policy Gradient、Q-Learning等）者优先。 有机器人运动学、动力学或控制基础者优先。

软性能力要求 具备较强的独立研究和问题解决能力，能够快速阅读并理解前沿论文。 良好的团队合作与沟通表达能力，能与算法、硬件等跨职能团队高效协作。 良好的文档撰写习惯，注重实验记录与知识沉淀。 学习能力强，有自驱力，对具身智能、世界模型等前沿方向保持关注与热情。

仿真与机器人工具链 熟悉仿真环境（MuJoCo、Isaac Lab）。 了解ROS/ROS2机器人操作系统。

工程化与加速优化 有GPU集群训练经验（SLURM、Docker、Kubernetes）。 熟悉CUDA或C++加速优化。

开源与社区 有开源项目贡献或GitHub活跃度高。