家庭场景下通用操作能力的具身算法研究

1. 设计家用机器人具身操作模型架构与训练方法，涵盖VLA、WAM、模仿学习等核心技术； 2. 基于大规模数据实现复杂场景下的3D空间理解、动作语义映射与长时序规划； 3. 探索并验证家庭场景通用操作数据方案，包括人机遥操作、UMI及仿真数据生成； 4. 研发针对高自由度灵巧手的高效、可靠、安全具身操作算法。

1. 获得本科及以上学历，计算机科学、人工智能、机器人等相关专业； 2. 深度理解主流视觉语言模型（VLM）架构（如CLIP、LLaVA、Qwen-VL、RT-1/2等），精通模型微调（SFT）、强化学习（RLHF/PPO）及高效推理技术； 3. 具备扎实的3D视觉基础，能够将VLM的2D语义能力有效映射至3D物理空间（如结合3DGS、Point Cloud或Occupancy Grid）； 4. 熟练掌握Python/C++编程语言及PyTorch框架，具备在大规模GPU集群进行分布式训练及边缘侧计算平台（如Orin、Thor）部署的实战经验； 5. 在CVPR、ICCV、NeurIPS、ICRA、IROS等顶级学术会议或期刊有高质量论文发表记录，或在知名开源项目、国际竞赛中取得优异成绩。