面向挖机自动装车场景的不同模态的端到端模型研究

岗位职责
背景： 挖掘机自动装车是工程机械自动化的重要场景。现有模仿学习方法（如Diffusion Policy，Flow Matching）训练得到的端到端模型已经在该场景下得到验证，但不同模态的输入之间究竟孰优孰劣还未经过严格试验对比。对于机器人任务，点云作为输入已经被一些工作证明相比于相机图像更加高效，但是在恶劣的挖掘机工作环境下，受到灰尘影响，点云模态也并不是最优。本课题希望通过探索不同模态的输入，例如视觉、点云、3D占用网格等形式，明确得到最优输入模态。

岗位要求
1、熟练掌握 Python 和主流深度学习框架（如 PyTorch）。
2、具备扎实的机器学习基础，对深度学习、强化学习等相关领域有浓厚兴趣。
3、具备良好的编码能力、解决问题能力和团队协作精神。
4、有模仿学习或强化学习（如 ACT、DP、PPO、model-base RL）在机器人上工程化应用经验者优先； 发表过机器人领域顶级会议和期刊者优先，如ICRA/IROS/RSS/TRO/IJRR ；熟悉 Linux 开发环境，有 ROS 或机器人实机调试经验者优先。