面向物流场景的VLA大模型真机强化学习研究

Job description

工作职责

• 研究并实现基于VLA（Vision-Language-Action）大模型的真机强化学习框架，参考π0、6/RECAP等前沿方法，使机器人策略能从自主经验中持续进化，突破纯模仿学习的性能天花板。
• 设计面向物流拣选场景的RL奖励函数与优势估计方法，构建"遥操示教→自主试错→人工纠错→策略更新"的闭环训练管线，提升机器人在长时间运行中的成功率和吞吐量。
• 探索高效的VLA模型在线微调与适配策略（如LoRA/Adapter/Flow Policy Gradient），降低真机RL的计算成本和数据需求，实现少量真机交互数据下的快速策略改进。
• 在仿真环境（Isaac Sim/MuJoCo）与真实机器人平台上进行算法验证与迭代，完成从仿真到真机的Sim2Real迁移。 任职要求
• 计算机、自动化、机器人、电子信息等相关领域的本硕博在校生。
• 熟练使用Python和PyTorch，具备大模型训练或微调经验。
• 熟悉动作生成范式（如流匹配、扩散策略等），具备强化学习算法研究或工程实践经验。
• 理解策略梯度、优势函数估计等核心概念。
• 在相关领域顶级会议（如ICRA、IROS、NeurIPS等）有论文发表或投稿经验者优先。