【创新业务】VLA算法开发研究员（合肥）(J53453)

从事VLA与世界模型的落地优化相关工作。 1. VLA 模型架构设计与预训练：负责设计和优化 VLA 模型架构（如基于RT-2, π0.6等路线），实现从多模态输入（视觉、文本、传感器数据）到机器人动作（Action Tokens/Trajectory）的端到端生成；探索VLA技术在具身领域的前沿发。 2.或同等的，进行世界模型的预训练与微调，负责跟踪和复现前沿技术，并根据实际落地场景将之落地或作为具身智能学习的世界引擎。 3. 具身智能数据引擎构建：构建大规模具身智能数据集，包括由人类遥操作采集的demo及仿真环境生成的合成数据；设计数据清洗、自动标注及数据增强流程，解决机器人数据稀缺与长尾分布问题。 4. 强化学习与模仿学习算法研发：研究并应用模仿学习（Imitation Learning）、强化学习等算法，提升模型在复杂操作任务中的泛化能力与鲁棒性； 利用 Sim2Real技术，在仿真环境中训练策略，并将其部署到真实机器人硬件上。 5 模型部署与推理优化：负责 VLA 模型在边缘端设备或云端的推理加速与部署，降低推理延迟，满足机器人实时控制（Real-time Control）的要求。 6.追踪和基于前沿具身智能方案(RT系列、Π系列、LingBot)进行算法优化，并落地于实际产品。

1、硕士应届毕业生； 2、机器人/机器视觉/强化学习/深度强化学习、计算机、机械、电子信息； 3、①熟悉 Python/C++，具有一定数据结构和算法基础，基于主流深度学习框架做过课题或者项目， ②使用过仿真工具， 或具有VLA 或者 世界模型的具身智能的数据处理、仿真、训练、优化、部署经历； ③了解模仿学习（ACT、DP、π）、强化学习（PPO, CQL, IQL)的原理；或者对GAN、VAE、扩散模型的原理熟悉或有实践经验； 4.有计算机视觉基础牢固， 熟悉 3D 视觉、点云处理、视觉SLAM相关课题经历； 4、正直、诚信、有激情、专注、具备良好的团队精神、沟通和表达能力； 5、有较好的英语能力（英语四级及以上）； 6、有过机器人运控、VLA或者世界模型经验优先；发表过机器人领域算法、学习领域sci论文优先；参加robomaster等机器人领域竞赛并获奖者优先。