机器人具身智能算法实习生

岗位职责(Responsibilities) 参与前沿的机器人具身智能(EmbodiedAI)算法研究与开发。 协助开发和训练基于视觉-语言-动作模型(Vision-Language-ActionModels,VLA)的机器人控制策略，实现多模态数据（图像、视频、文本、触觉等）到机器人决策的转化。 研究并实现强化学习(ReinforcementLearning,RL)算法，用于机器人的技能学习和决策过程，特别是在灵巧操作、腿足运动和导航任务中的应用。 探索并应用模型预测控制(ModelPredictiveControl,MPC)或相关的控制理论方法，优化机器人在复杂环境中的运动规划和低层级控制性能。 参与机器人模拟环境（如IsaacSim,MuJoCo,PyBullet）的开发与维护，并负责将模拟训练的算法成功迁移到真实机器人硬件平台（Sim2Real）。 分析实验数据，评估算法性能，撰写技术报告和相关的学术论文。 与团队紧密合作，共同推进具身智能前沿技术的发展和落地应用。 任职要求(Qualifications) 在读硕士或博士研究生（计算机科学、机器人学、人工智能、自动化、电子工程等相关专业），优秀的本科生也可考虑。 具备扎实的编程能力，精通Python，熟悉C++优先。 熟练使用至少一种深度学习框架，如PyTorch、TensorFlow等。 对机器人具身智能领域有浓厚兴趣和深入了解，具备相关的研究或项目经验。 具备以下一项或多项经验者优先： VLA(Vision-Language-Action)模型或多模态大模型在机器人领域的应用经验。 强化学习(ReinforcementLearning,RL)或模仿学习(ImitationLearning)算法研究经验。 模型预测控制(ModelPredictiveControl,MPC)或经典控制理论在机器人控制中的实践经验。 机器人操作系统(ROS)使用经验，有机器人真机调试经验者优先。 在相关顶级会议/期刊（如ICRA,IROS,CoRL,NeurIPS,ICML,CVPR等）发表过论文。 具备优秀的解决问题能力、数据分析能力和团队合作精神。 良好的中英文沟通能力和学习能力。 我们提供(WhatWeOffer) 参与行业领先的具身智能项目的机会，将前沿研究转化为实际应用。 与资深研究员和工程师团队共同工作的机会。 接触先进的机器人硬件平台和大规模训练/仿真设施。 支持发表高质量学术论文。