物流场景视觉理解与生成基座大模型

1.设计并开发物流场景下的视觉基座大模型，确保模型能够准确理解和处理空间智能、细颗粒度视觉信息准确识别与理解及物流场景的常识问题。 2.研究和分析物流环境中的空间关系，优化模型以提高其在物体体积与容积识别、空间理解和场景动态交互理解中的表现。 3.将行业内的物流常识融入模型设计，确保模型能够理解和预测物流操作中的常见场景，例如货物堆叠、搬运和装卸等动作。 4.建设物流场景的仿真环境，实现物流世界垂域生成大模型，确保模型能够模拟和预测物体在物流环境中的行为，包括碰撞、重力影响和物体稳定性等。

1. 计算机视觉或人工智能等相关领域的本硕博在校生。 2. 熟练掌握Python编程及PyTorch/TensorFlow，深入了解Transformer架构及大模型分布式训练技术。 3. 具备丰富的计算机视觉项目经验，熟悉Linux开发环境或主流分布式训练工具。 4. 拥有视频理解、多模态大模型或物理世界生成模型的预训练与微调经验者优先。 5. 在相关领域顶级学术会议发表过论文者优先。