职位描述
深度学习图像算法多模态算法LeNet-5人工智能
岗位职责:
1. 构建工业物理世界模型:研发具备高度物理直觉的自监督感知框架,深化对复杂动力学及交互特性的理解,实现跨任务快速泛化。
2. 构建基于生成式AI的工业数据合成与扩增体系:研发高保真、具备物理一致性的场景生成算法,解决精密组装任务中真实样本稀缺问题。
3. 研发多模态感知驱动的端到端具身智能决策模型:实现从非结构化指令或行为演示到高精度控制轨迹的直接映射。
4. 建立高精度物理仿真环境与跨域迁移(Sim2Real)架构:构建数字孪生场景,确保算法在物理实体上达到微米级执行可靠性。
5. 视/力/位多模态融合:攻克柔性线缆组装中张力补偿与力学感知难题。
6. 遥操作与人机协同:构建基于实时反馈的遥操作干预系统。
任职要求:
1. 教育背景:工科院校博士研究生学历;控制科学、计算机、机器人、人工智能等相关专业。
2. 核心技术储备:
生成式AI与世界模型:深刻理解V-JEPA 2原理,有基于Cosmos或类似架构制作训练数据的实战经验;
具身智能架构:精通VLA、VLN或VAM模型的设计与训练;
6D位姿与感知:在单目/双目6D位姿估计、特征点亚像素提取领域有深厚造诣。
仿真与场景建模:熟练使用AirSim或Omniverse/Isaac Sim进行复杂工业环境建模;有完整的Sim2Real项目落地经验。
底层架构能力:精通C++/Python,具备TensorRT/CUDA极致性能优化经验;熟悉六维力传感器融合及机械臂轨迹规划。
3. 项目经验:必须具备从0到1的完整具身智能项目落地经验。
加分项:
1. 在顶级会议(CVPR, ICCV, ECCV, ICRA, IROS, NeurIPS)发表过具身智能或物理AI相关高影响力论文。
2. 熟悉NVIDIA最新具身智能工具链(如Project GR00T、Isaac Lab)。
3. 有大规模异构机器人数据集(如Open X-Embodiment)处理经验。
4. 具备工业边缘计算节点OTA与分布式大模型部署经验。
1. 构建工业物理世界模型:研发具备高度物理直觉的自监督感知框架,深化对复杂动力学及交互特性的理解,实现跨任务快速泛化。
2. 构建基于生成式AI的工业数据合成与扩增体系:研发高保真、具备物理一致性的场景生成算法,解决精密组装任务中真实样本稀缺问题。
3. 研发多模态感知驱动的端到端具身智能决策模型:实现从非结构化指令或行为演示到高精度控制轨迹的直接映射。
4. 建立高精度物理仿真环境与跨域迁移(Sim2Real)架构:构建数字孪生场景,确保算法在物理实体上达到微米级执行可靠性。
5. 视/力/位多模态融合:攻克柔性线缆组装中张力补偿与力学感知难题。
6. 遥操作与人机协同:构建基于实时反馈的遥操作干预系统。
任职要求:
1. 教育背景:工科院校博士研究生学历;控制科学、计算机、机器人、人工智能等相关专业。
2. 核心技术储备:
生成式AI与世界模型:深刻理解V-JEPA 2原理,有基于Cosmos或类似架构制作训练数据的实战经验;
具身智能架构:精通VLA、VLN或VAM模型的设计与训练;
6D位姿与感知:在单目/双目6D位姿估计、特征点亚像素提取领域有深厚造诣。
仿真与场景建模:熟练使用AirSim或Omniverse/Isaac Sim进行复杂工业环境建模;有完整的Sim2Real项目落地经验。
底层架构能力:精通C++/Python,具备TensorRT/CUDA极致性能优化经验;熟悉六维力传感器融合及机械臂轨迹规划。
3. 项目经验:必须具备从0到1的完整具身智能项目落地经验。
加分项:
1. 在顶级会议(CVPR, ICCV, ECCV, ICRA, IROS, NeurIPS)发表过具身智能或物理AI相关高影响力论文。
2. 熟悉NVIDIA最新具身智能工具链(如Project GR00T、Isaac Lab)。
3. 有大规模异构机器人数据集(如Open X-Embodiment)处理经验。
4. 具备工业边缘计算节点OTA与分布式大模型部署经验。
登录查看完整内容








