具身大模型算法主任工程师

Job description

大模型预训练架构方案设计

• 负责具身大模型（VLA/世界模型）的预训练算法研发，以工业场景落地为导向，设计并实现基于Transformer与Diffusion融合的具身操作策略架构，探索多模态联合建模方案，构建从感知输入到控制输出的端到端策略学习能力。

多源数据预处理与训练管线建设

• 构建面向工业场景的大规模多模态机器人数据预训练流程，覆盖数据采集、清洗、质量评估与格式标准化等全链路环节。有机整合真机采集数据、仿真合成数据及互联网多模态数据，设计数据金字塔配方与采样策略，持续优化训练数据的多样性与分布覆盖。

模型评测分析与前沿技术追踪

• 设计系统化消融实验方案，深入分析模型缩放规律（Scaling Laws）、数据质量对模型性能的影响机制，以及不同架构选型的效果差异。持续追踪顶会前沿研究成果，将最新算法方法论引入预训练框架，驱动成功率、泛化能力与鲁棒性等核心指标持续提升。

真实场景部署与跨职能协同推进

• 将预训练模型的能力验证落实于工业真实任务与评测基准，推动从模型研发到工业场景应用的完整闭环落地。协同机器人系统、仿真、数据等团队，保障实验可复现性与迭代效率。

岗位要求

学历专业：计算机科学、人工智能、机器人学等相关专业硕士及以上学历，博士优先。

知识技能

• 计算机科学、人工智能、机器人学等相关专业硕士及以上学历，博士优先。
• 具备5年及以上大模型或具身模型（如OpenVLA、Pi系列、RT系列等）研发经验，有预训练方向的实际项目经历者优先。
• 精通Python，熟练掌握PyTorch深度学习框架，具备复杂网络结构的搭建与调优能力。
• 深入掌握Transformer及其变体（自注意力机制、KV Cache、MoE、LoRA/Adapter等），理解扩散模型与大语言模型的训练机理，对训练稳定性及缩放规律有实际认知。
• 具备大规模预训练（Pretrain）、监督微调（SFT）、后训练对齐（RLHF/DPO/GRPO等）的完整项目实战经历。
• 具有VLM/VLA/世界模型方向的实际研发经验，熟悉视觉-语言-动作对齐与跨模态融合方法。掌握模仿学习（IL/BC）、强化学习（RL）、Diffusion Policy等机器人策略学习方法，了解Sim-to-Real迁移技术。
• 具备Linux系统开发与工程化能力，熟悉分布式系统与高性能计算基础设施；深入理解ROS/ROS2架构，能够在分布式通信与状态机管理等层面制定技术规范，主导过完整机器人系统的软件架构搭建与落地。
• 具有工业场景（如制造、物流、港口、能源等）的机器人或自动化项目实践经验。
• 熟悉主流机器人仿真平台（IsaacSim、MuJoCo、SAPIEN等）及多传感器融合技术。

工作经验

具备5年及以上大模型或具身模型（如OpenVLA、Pi系列、RT系列等）研发经验，有预训练方向的实际项目经历者优先。