具身智能 VLA 算法工程师

Job description

岗位目标 面向工业制造与巡检场景，研发并落地视觉—语言—动作（Vision-Language-Action，VLA）模型，使移动机器人、机械臂、移动操作机器人、四足机器人或人形机器人能够理解任务指令、感知现场环境，并稳定完成抓取、放置、搬运、分拣、巡检处置等物理任务。 岗位职责 1. 负责面向真实机器人操作任务的 VLA 模型研发，包括视觉编码、多模态语言理解、状态表征、动作生成与策略学习。 2. 结合工业场景需求，设计并实现机器人任务策略，例如电芯/物料分拣、抓取上料、异常处置、工具使用、设备巡检、移动操作等。 3. 跟踪、复现、改进主流具身智能算法与开源方案，包括 Transformer Policy、ACT、Diffusion Policy、OpenVLA、π0、RT 系列及视觉语言模型驱动的机器人策略等。 4. 建设机器人多模态数据集与数据规范，定义并采集 RGB/RGB-D、点云、关节状态、末端位姿、力控信息、语言指令、任务状态、动作轨迹和执行结果等数据。

5. 设计数据清洗、数据标注、轨迹切分、失败样本挖掘、自动质检及数据版本管理流程，提高训练数据有效性和可复用性。 6. 负责 VLA 模型预训练、监督微调、行为克隆、扩散策略训练、强化学习微调或后训练，并开展消融实验和性能分析。 7. 将模型输出与机器人底层控制、逆运动学、轨迹规划、碰撞检测、视觉伺服、力控及任务状态机结合，保证策略可执行、可恢复、可约束。 8. 在 Isaac Sim、Gazebo、MuJoCo、Habitat 或自研仿真环境中构建训练与评测任务，推动 sim-to-real 迁移和域随机化策略落地。 9. 负责模型端侧/边缘侧部署与性能优化，适配 GPU、Jetson、x86 工控机或机器人计算平台，优化时延、显存、吞吐和稳定性。 10.建立实机闭环评测体系，定义任务成功率、抓取成功率、平均执行时长、异常恢复率、泛化能力、推理时延和安全事件等指标。 11.与机械、电控、感知、导航、平台和现场应用团队协同，将算法能力沉淀为可维护、可交付的机器人产品模块。

任职要求

• 硕士及以上学历，计算机、自动化、机器人、人工智能、控制、电子工程或相关专业；能力突出者学历可适当放宽。
• 具备 2 年及以上机器人学习、具身智能、计算机视觉、深度学习或机器人操作相关研发经验；优秀应届硕博亦可考虑。
• 熟练使用 Python，具备良好的工程编码习惯；熟悉 PyTorch，能够独立完成训练、调试、评估和模型迭代。
• 扎实掌握深度学习基础，包括 Transformer、注意力机制、表征学习、生成模型、扩散模型、优化方法、损失设计与训练稳定性处理。
• 熟悉机器人基础知识，包括坐标变换、运动学、逆运动学、轨迹表示、机械臂控制、抓取、标定、传感器时空同步等。
• 理解模仿学习、行为克隆、离线强化学习、在线强化学习、策略梯度、Diffusion Policy、视觉伺服或端到端控制中的一种或多种技术路线。
• 具备将视觉感知结果转化为机器人动作的实践经验，能够处理视觉、语言、状态和控制信号之间的对齐问题。
• 熟悉 Linux 开发环境、Docker、Git、CUDA，并具备多 GPU 训练、实验管理、日志追踪和问题定位能力。
• 具备较强的工程意识，能够接受现场调试和实机问题闭环，不将“仿真指标高”视为唯一完成标准。