大模型算法实习生（机器人移动后训练&应用）

我们探索多模态基座模型在智能驾驶以外、用于其他类型具身移动平台与机器人的可行性与能力边界，打造并落地应用智能化的下一代移动大脑模型。

1. 01

   机器人移动能力的端到端闭环研发： 掌控从数据到物理动作的全生命周期。基于对移动中避障、导航、社会规则等各场景的深度归因，定义数据挖掘与标注策略；对多模态大模型进行后训练，解决开放环境下的高难度指令遵循与场景语义对齐，搭建必要的仿真与实物评测框架，并在真实移动机器人上完成实体化的物理AI落地应用；

2. 02

   攻坚具身智能与大模型的前沿技术： 深度参与多模态模型的后训练。包括 SFT、RLHF/DPO、端到端动作解码头（Action Head）与可能的辅助任务头的研发、评测与部署；

3. 03

   构建移动物理AI的数据闭环体系：从数据集建设、场景管理、真值标注、在线挖掘、评测体系等多个方面推动模型的自动化迭代；

4. 04

   创造真实世界的极致物理影响力：将自己打造的算法与自动化数据闭环体系，部署至通用移动机器人平台，赋予机器人在多变、动态的复杂场景中安全&合规&拟人的导航能力。

1. 01

   计算机科学、人工智能、机器人等相关专业硕士及以上学历，具备大模型微调、端到端规划算法或强化学习项目经验；

2. 02

   扎实的深度学习基础知识与能力。熟练掌握SFT、RLHF、DPO等后训练技术，或熟悉基于Flow matching/Diffusion的轨迹生成算法；

3. 03

   良好的代码能力（Python/PyTorch）和数据分析能力，熟练使用AI编码等相关工具。 加分项： a. 熟悉传统的A*, DWA, ND等避障规划算法, 并有实际经验； b. 有自动驾驶、具身智能端侧模型部署的实际项目经验； c.有世界模型、VLA/VLM等多模态模型端到端联合训练的项目经验； d.在AI顶会或顶刊上有论文发表、或有机器人/AI相关比赛获奖经历。