[Skip to main content](#main-content)

[OpenNash Jobs](https://jobs.opennash.com/)
[Hiring report](/reports/hiring/) · [All JD.com jobs](https://jobs.opennash.com/companies/jd/) · [Search jobs](/search/)

JD.com · 北京市-北京市

# 面向物流场景的VLA大模型真机强化学习研究

北京市-北京市 Internship or early career 

Listed on JD.com’s official careers site. Posted July 20, 2026. Check that it is still open and apply there.
[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=8979)

[OpenNash Jobs](https://jobs.opennash.com/) / [JD.com](https://jobs.opennash.com/companies/jd/) / 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。

## At a glance
- Posted by the employer: Jul 20, 2026
- First seen by OpenNash: Oct 19, 2026
- Last checked: Oct 19, 2026
- Listed for: 91 days
- Location: 北京市-北京市
- Employment type: Internship or early career[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=8979)

## More jobs at JD.com

### [3D医疗影像多模态基础大模型研究](https://jobs.opennash.com/companies/jd/jobs/31cea141d3ff4222fc49/)

北京市-北京市

### [3D可控生成与空间智能多模态研究](https://jobs.opennash.com/companies/jd/jobs/9264cfdaab33cfb45f96/)

北京市-北京市

### [AI多模态存储与向量化计算探索研究](https://jobs.opennash.com/companies/jd/jobs/e91a2f3f9d7be9a91867/)

北京市-北京市

### [CodeAI代码大模型全链路与推理优化](https://jobs.opennash.com/companies/jd/jobs/234f9df632b03e4bec55/)

北京市-北京市

OpenNash lists jobs from employers’ own careers sites and does not handle applications.
Dates come from the employer where stated; “first seen” and “last checked” are our own observations.

OpenNash Jobs · Official listings with dates and links to the employer. [Weekly hiring report](/reports/hiring/) · [Methodology](/methodology/)