VLA视觉-语言-动作模型算法研究员
岗位摘要
部署和测试GR00T系列、PI系列等社区开源VLA模型，并完成baseline复现；针对搬运任务构建视觉-语言-动作三模态训练数据，包括自动标注、策略蒸馏、数据清洗及真机采集等流程；训练针对搬运任务的通用VLA模型，涵盖预训练、后训练和强化学习优化等环节
岗位职责
- 部署和测试GR00T系列、PI系列等社区开源VLA模型，并完成baseline复现
- 针对搬运任务构建视觉-语言-动作三模态训练数据，包括自动标注、策略蒸馏、数据清洗及真机采集等流程
- 训练针对搬运任务的通用VLA模型，涵盖预训练、后训练和强化学习优化等环节
- 在宇树人形机器人上验证VLA模型的实际效果及zero-shot/few-shot执行能力
- 探索新型VLA架构，提出适配搬运任务且可长期优化的版本，支持长时序、复杂动力学及多步骤任务
任职要求
- 熟悉至少一种多模态模型
- 熟悉PyTorch训练流程，具备模型微调与推理优化经验
- 了解机器人动作表示方法，包括token、混合动作及连续控制等
- 有真实机器人或仿真平台多模态任务经验者优先加分
- 有相关论文发表或完整项目经验者优先考虑
工作地址
北京东城区明阳国际中心B座