机器人多模态算法工程师

1. 多模态模型开发与优化 ·研发视觉-语言-动作 (VLA)模型，融合视觉感知、语言指令与机械臂动作控制模态，实现端到端的机器人决策与执行闭环。 优化基于Transformer架构的VLA模型(如GR00T、PI、Lingbot)，提升模型在复杂场景中的泛化能力与实时性。

2. 任务规划与控制策略设计 ·设计高级任务分解算法，将长期任务拆解为可执行的子任务序列，开发低级控制策略生成机械臂动作指令(轨迹规划、力控等)。 开发双臂协同控制算法，优化多自由度机械臂的协作效率与避撞逻辑。

3. 数据构建与模型训练 主导多模态数据集(视觉、语言、运动控制)的采集、清洗与增强，支持模型预训练与微调。 探索模仿学习、强化学习与预训练模型结合方案，提升机械臂在物理环境中的动作精度

4. 算法落地与系统集成 在仿真环境(lsaac Sim、MuJoCo)和真实机器人平台验证算法，推动模型部署至机械臂硬件系统。 协同硬件团队优化传感器融合方案(RGB-D相机、力传感器等)，提升系统鲁棒性。

任职要求 -硬性条件

1） 专业背景:硕士及以上学历，计算机科学、机器人学、自动化或人工智能相关专业。

2） 技术能力: 精通VLA/LM/LLM等多模态模型开发，熟悉Transformer架构及主流框架(PyTorch、DeepSpeed)。 掌握机械臂运动控制核心算法:运动学/动力学建模、轨迹优化(RRT*、样条曲线)、碰撞检测(GKK)、力控(阻抗控制)。 具备多机多卡大模型训练经验，熟悉分布式训练优化技术。

3） 实践经验: 1年以上机器人算法开发经验，主导过机械臂控制或整机运动规划项目落地。

4） 加分项 ·发表过机器人领域顶会论文(ICRA、IROS、CORL等)或开源项目贡献者 熟悉强化学习(RL)、行为克隆(BC)在机器人控制中的应用。 具备双臂协调控制、人形机器人整机运动规划项目经验。 团队与技术优势 ·技术前瞻性:参与具身智能(Embodied Al)前沿研究，探索大模型与机器人控制的深度融合产业化落地:直接对接量产级机器人产品研发，解决真实场景挑战(如工业操作、柔性抓取)。