世界模型与具身智能机器人研究员
岗位摘要
面向机器人场景开展World Action Model研究，基于视觉、深度、动作、接触力等多模态数据，构建机器人可理解、可预测、可规划的世界模型；复现、验证并部署社区主流世界模型方向工作，建立可对比、可迭代的实验baseline
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 面向机器人场景开展World Action Model研究，基于视觉、深度、动作、接触力等多模态数据，构建机器人可理解、可预测、可规划的世界模型
- 复现、验证并部署社区主流世界模型方向工作，建立可对比、可迭代的实验baseline
- 构建面向机器人任务的多模态数据集，覆盖视觉、深度、动作、接触力等信息，推动世界模型适配真实具身环境
- 探索更适合机器人控制的实时、可交互、长时序世界模型，使模型能够服务通用场景下的机器人任务
- 结合强化学习策略学习，提升世界模型在真实任务中的稳定性、预测能力和可用性
- 在轮式/人形机器人平台上验证世界模型的预测精度与规划性能，推动算法从离线实验走向真实机器人闭环
- 跟踪世界模型、视频模型、机器人学习等方向的最新进展，持续提出可验证的新思路和新实验
任职要求
- 熟悉Transformer、Diffusion、强化学习等主流算法，有扎实的机器学习和深度学习基础
- 熟悉PyTorch / Lightning，能够独立完成模型训练、调参、实验分析和问题定位
- 对世界模型、视频模型、机器人预测/规划/建模有强烈兴趣，愿意长期投入前沿问题
- 具备较强代码能力和实验推进能力，能够把论文想法快速复现、验证并工程化落地
- 能够主动拆解复杂问题，设计清晰实验，并从失败结果中持续迭代模型路线
- 有视频模型训练经验，或有机器人任务中的预测、规划、建模经验者优先
- 有完整相关项目经验，能够展示从问题定义、模型实现到实验验证的闭环能力者优先
- 在ICLR / ICML / NeurIPS / CVPR / CoRL / ICRA / IROS等会议发表过相关论文，或有高质量开源项目、竞赛经历、顶尖实验室经历者优先
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。