2027届-超智机器-博士研究员（VLA方向）

负责多模态大模型、VLA、世界动作模型等具身智能前沿方向的算法研究与技术攻关。

负责具身智能核心模型的技术路线设计、算法创新及模型研发，围绕长序列任务规划、视觉-语言-动作对齐、世界模型等关键问题开展研究，提升机器人在复杂开放场景下的泛化能力和自主作业能力。

研究面向真实机器人操作任务的模仿学习、强化学习及后训练方法，探索离线强化学习、真机强化学习、强化学习后训练等技术，提升模型在精细操作、连续多步骤任务及复杂环境交互中的成功率、鲁棒性和数据效率。

负责机器人多模态训练数据体系建设及方法研究，包括状态、力觉/触觉等数据的采集、清洗、标注、质量评估及数据配比，研究数据增强、数据筛选及高质量数据生成方法，支撑大规模具身模型训练与迭代。

推进VLA、世界动作模型与机器人运动控制系统的深度融合，研究从高层任务理解、动作预测、子任务规划到低层轨迹生成与控制执行的闭环架构；

实现算法在机械臂、人形机器人、灵巧手等真实硬件平台上的部署与验证。

负责前沿具身智能算法的复现、评测及改进，推动核心算法持续迭代。

跟踪国内外VLA、世界模型/世界动作模型等方向的最新研究进展，结合实际机器人应用场景开展创新研究，形成具有竞争力的算法方案、论文、专利及技术成果，推动研究成果向实际应用转化

计算机、人工智能、自动化、机器人、控制科学、电子信息等相关专业，博士学历或博士应届毕业生。

具备扎实的机器学习、深度学习及数学基础，深入理解VLM、VLA、Diffusion/Flow Matching、World Model 等模型或方法中的一种或多种，具备较强的算法分析与创新能力。

熟悉机器人学习相关方法，具有机械臂、人形机器人、灵巧手等真实机器人数据采集、模型训练或真机实验经验者优先。

具备机器人系统开发基础，熟悉ROS/ROS2、机器人运动学与动力学、轨迹规划、控制接口及常用传感器，熟悉Isaac Sim、MuJoCo等机器人仿真平台。

具备较强的模型训练、分布式训练、推理部署、实验分析和工程实现能力，具有大规模模型训练、参数高效微调或推理优化经验者优先。

熟悉具身智能相关开源框架、模型或数据集，有相关模型复现、改进或真机部署经验者优先。

具备较强的科研创新能力，能够独立完成问题定义、技术调研、方案设计、实验验证和结果分析。

具备良好的英文文献阅读与技术写作能力，以及良好的沟通协作和工程问题解决能力，能够围绕真实机器人任务持续推进算法从研究验证到工程落地