锦鲤求职岗位描述
岗位职责
背景： 当前，挖掘机工程自动化技术虽已取得一定进展，但在跨场景部署适配方面仍存在核心瓶颈，即模型难以快速适应新的部署环境与作业需求，严重制约了自动化技术的规模化落地应用。该瓶颈很大一部分原因在于缺乏统一的多传感器与多机体表征体系。不同场景、机型的传感器配置（类型、参数）与机体特性（动力学、液压响应）存在显著异构性，现有技术采用“场景-机型-传感器”绑定的定制化开发模式，导致跨场景适配成本高、周期长，模型泛化能力弱，无法应对场景动态变化，作业稳定性与安全性难以保障。 基础模型的通用表征能力为跨场景适配提供了技术思路，但挖掘机自动化领域尚未形成整合多传感器数据与多机体特性的统一表征体系。工程实践迫切需要通过构建多元统一表征基础模型，打破绑定限制，实现模型对新部署场景的快速适配。在此背景下，本课题预研聚焦统一表征体系构建难题，旨在为挖掘机自动化系统规模化、跨场景应用提供核心技术支撑，契合行业智能化发展趋势，具有重要的工程价值与理论意义。 课题目标： 1.研发面向挖掘机自动化的多元统一表征基础模型原型。基于构建的表征框架，结合挖掘机作业场景特性，优化基础模型结构与训练策略，融入工程领域先验知识，提升模型对多传感器数据、多机体特性的表征能力，形成具备初步泛化能力的基础模型原型。 2.验证模型的跨场景快速适配能力。设计多场景、多机型的适配验证方案，测试基础模型在新部署场景下的适配效率与作业性能，实现模型在新场景/新机型下的快速迁移适配，降低跨场景部署成本，提升作业稳定性与安全性
岗位要求
1、至少具有模仿学习，强化学习，领域迁移, 大模型 ，多模态其中一项相关经验
2、熟练掌握 Python 和主流深度学习框架（如 PyTorch）。
3、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。
4、具备良好的编码能力、解决问题能力和团队协作精神。
5、发表过机器人和机器学习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。