工作职责：

一、岗位定位（Role Mission）
你将参与构建公司下一代具身智能机器人核心算法体系，从“感知—认知—决策—执行—数据回流”的完整闭环出发，打造机器人真正可泛化、可进化的通用智能能力。
该岗位不是单点算法工程，而是覆盖 VLA 大模型、空间感知与导航、仿真与 Sim-to-Real、具身数据闭环 的核心算法枢纽角色。
你将直接参与机器人“通用大脑”与“物理载体”的深度耦合，解决真实世界中的复杂、不确定、长序列任务问题。

二、核心职责（Key Responsibilities）

1. 具身智能核心模型与决策系统
●参与 VLA（Vision–Language–Action）多模态模型的设计与训练，实现从自然语言指令到物理动作的端到端映射
●研究并实现 长时序任务规划（Long-horizon Task Planning），解决复杂任务执行中的状态漂移、逻辑断层与误累积问题
●结合 强化学习 / Offline RL / 模仿学习，提升机器人在未见物体（Unseen Objects）、新环境中的泛化与成功率
●关注推理一致性与物理可执行性，识别并抑制大模型幻觉（Hallucination）对实际动作的负面影响

2. 空间感知、导航与语义理解
●研发与优化 多传感器融合 SLAM / VIO / LiDAR-Vision-IMU 系统，确保机器人在动态、低纹理、复杂光照环境下的定位稳定性
●构建 几何地图 + 语义地图 + 拓扑地图 融合体系，支撑高层语义指令（如“去水源附近”“靠近工作台”）的落地执行
●设计并实现 多层级路径规划与运动控制（全局规划 + 局部避障 / MPC / TEB 等），提升运动平滑性与安全性
●支撑 VLA 大模型的空间推理与决策落地，避免“语言理解正确但空间执行失败”的断层

3. 仿真系统与 Sim-to-Real 能力建设
●基于 Isaac lab / MuJoCo / Sapien 等平台，构建支持大规模并行训练的具身智能仿真环境
●设计高复杂度场景的 程序化内容生成（PCG），覆盖长尾工况（杂乱环境、多物体交互、复杂接触）
●负责 动力学建模、参数辨识与领域随机化（DR），系统性缩小 Sim-to-Real Gap
●构建仿真评测与自动化验证体系（CI/CD for Robotics），为算法安全性与稳定性提供量化保障

4. 具身数据闭环与学习引擎
●参与构建 具身智能数据引擎（Data Loop），覆盖真机遥操作、仿真合成、回传数据的全生命周期
●设计多模态数据（视觉 / 语言 / 动作 / 力 / IMU）的对齐、清洗与质量评估机制
●结合 Diffusion Policy、ACT、BC / DAgger / Offline RL 等方法，提升学习效率与稳定性
●探索生成式模型在数据增强与世界模型（World Model）中的应用，为机器人提供“可想象”的训练样本

任职资格：

三、任职要求（Qualifications）
技术基础
●扎实的 Python / C++ 基础，熟练使用 PyTorch（或 JAX），具备复杂系统级算法开发能力
●深入理解 Transformer / 序列建模 / 强化学习 / 状态估计 / 优化算法 等核心方法
●熟悉分布式训练、模型调试与性能分析工具
具身智能相关背景（满足其一或多项）
●有 VLA / RT-X / RT-2 / VIMA / VoxPoser / Open-X Embodiment 等方向的研究或工程经验
●有 机器人导航、SLAM、强化学习、仿真平台或具身数据管线 的实际项目经验
●参与或熟悉 智元、宇树、特斯拉 Optimus、银河通用、1X Technologies 等相关技术路线
工程与系统能力
●熟悉 ROS / ROS2 生态，理解真实机器人系统的工程约束
●有 Sim-to-Real 实战经验，清楚“为什么仿真能跑、实机不行”
●能在复杂系统中进行问题拆解、定位与迭代优化
核心素质
●强自驱力，持续跟进并复现具身智能领域前沿工作
●对真实物理世界保持敬畏，不满足于“仿真里看起来不错”
●具备系统性思维，能在模型、数据、仿真与工程之间建立闭环认知

四、加分项（Nice to Have）
●在 ICRA / IROS / CVPR / NeurIPS 等顶会发表论文，或在相关开源社区有实质贡献
●有多机器人协同、复杂操作（Manipulation）或长序列任务经验
●对第一性原理有深入思考，希望参与构建真正可扩展的通用智能系统