VN/VLN导航算法工程师

强化学习：优化视觉导航RL方案设计，基于issac sim搭建必要的模型训练环境并在至少一个典型使用场景（随叫随到、室外跟随、3D导航等）完成模型训练，场景成功率达到sota

sim2real：强化学习方案实机部署与效果优化，主要方法包括但不限于仿真建模优化、域随机化、对抗学习、分层控制、混合学习、量化等，保障模型落地效果

数据工程：完善导航端到端模型仿真数据采集、标注、清洗、渲染等pipeline，优化模型metrics评价体系搭建与模型评测集合设计

VN/VLN：开发基于模仿学习的视觉导航（或VLN）技术方案，具备zero/few-shot导航能力并验证VN/VLN作为下一代室内/外导航方案的可行性；推进导航在无图探索与3D复杂地形的方案落地与技术升级

具备基于强化学习的视觉导航系统研发能力，能使用Isaac Sim搭建仿真环境并完成训练达到行业领先水平；

拥有仿真到实机迁移落地经验，能通过域随机化、对抗学习与分层控制等方法优化模型在真实设备上的表现；

熟悉端到端导航系统开发，具备数据采集、处理与模型评测体系搭建经验，能应对无地图环境与复杂地形挑战；

具备探索模仿学习在零样本或少样本导航中应用的能力，能推动无图环境与复杂地形下的导航技术升级；

能识别仿真失配关键因素并制定优化策略，具备系统性测试与评估框架构建能力；

符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。