锦鲤求职岗位描述
岗位职责
我们正在寻找一位在 VLA（Vision-Language-Action）、WAM（World-Action Model）及机器人基础模型相关方向有深入积累的研究伙伴。我们期望你可以在公司的领域与战略约束下，自主发现问题、提出研究课题，带领小规模研究团队验证与现有技术路线相关的新方法和技术分支，为是否继续投入提供可靠依据，并通过对机器人学习与环境交互的研究，逐步明确世界模型的问题定义与潜在路径。
一、研究方向
本岗位聚焦机器人基础模型与通用策略学习，研究模型如何利用视觉、语言、动作及环境反馈形成可迁移的机器人能力，重点关注以下领域：
- 机器人基础模型与多模态策略：VLA（视觉语言动作模型）、WAM（世界动作模型）及相关多模态架构；关注视觉、语言与动作的表示和联合学习，以及跨任务、场景与机器人形态的泛化。
- 动作生成与策略学习：模仿学习（Imitation Learning）、Diffusion Policy、基于 Flow Matching 的动作生成，以及 goal-conditioned policy（目标条件策略）；关注基础模型的预训练、后训练、策略适配与任务表现之间的关系。
- 世界模型与强化学习：action-conditioned video model（动作条件视频模型）、latent dynamics（潜在动力学模型）、model-based RL（基于模型的强化学习）及相关策略优化方法；探索环境预测、交互反馈与策略学习之间的联系，以及它们对数据效率和泛化能力的作用。
具体研究切入点可结合候选人在基础模型、机器人学习、世界模型或强化学习上的积累共同确定，围绕公司现有路线开展验证，并据实验结果决定后续投入。
二、岗位职责
1. 跟踪前沿并自主选题。持续研究机器人基础模型、机器人学习及相关领域的重要进展，理解方法假设、关键证据与适用边界；结合公司现有路线，发现值得探索的问题，提出具有明确研究假设和验证路径的课题。
2. 亲自开展关键验证。围绕机器人基础模型的学习方法、训练策略及相关技术分支设计实验，参与关键实现、训练调试和结果分析；结合课题需要选择合适的验证环境与评测方式，研究数据、模型、策略与任务表现之间的关系。
3. 形成研究决策。综合实验结果、资源成本和适用条件，对探索路线提出继续投入或停止的 go / no-go 建议，说明证据、局限及下一步验证重点，并与主线团队协作推进有价值的成果。
4. 组织小组科研。带领并指导 2–3 名实习生开展协作研究，拆解问题、规划实验、安排研究节奏和资源，检查实验质量，并根据结果及时调整计划。
5. 深化基础问题理解。从具体实验中提炼关于感知、动作、环境反馈与泛化能力的认识，探索世界建模与机器人学习之间的关系，形成可复用的代码、实验记录和技术结论。
岗位要求
三、任职要求
1. 在机器人基础模型或紧密相关的方向有扎实研究积累，例如 VLA、WAM、模仿学习／Diffusion Policy、多模态学习、世界模型或强化学习；能够结合表征学习、训练目标、动作生成与任务评测理解机器人学习问题，将已有经验迁移到相关研究中，并有能够体现本人实际贡献的研究成果。
2. 具备扎实的数学与机器学习基础，能够运用概率统计、线性代数、优化等知识分析问题，理解学习目标与方法假设，并解释模型或策略的实验表现。
3. 具备独立研究能力和良好的研究品味，能够从开放问题中识别有意义、可验证的课题，判断研究价值、可行性及优先级；对机器人能力学习与泛化有持续的研究兴趣。
4. 持续关注领域前沿，能够深入阅读论文、理解关键实现，对研究结果形成独立判断，并将相关进展转化为适合公司条件的研究机会。
5. 具备扎实的编程与实验能力，能够独立完成关键原型、训练调试和实验分析；重视基线、对照与可复现性，能够识别数据、评测及实验环境对结论的影响。
6. 有主导研究课题、组织多人科研协作的经历，曾带领小团队或指导学生、实习生完成研究项目；至少能够提供一项由本人主导的完整多人研究项目，说明问题拆解、任务分工、研究指导、关键决策及最终结果。
四、加分项
- 有扎实的强化学习研究背景，能够将相关方法用于策略学习、交互反馈、探索或机器人基础模型的能力改进。
- 有视觉语言动作模型、机器人基础模型或世界模型的研究经验，或在相关问题上展现出较强的跨领域学习与方法迁移能力。
- 曾自主提出研究问题、推动技术路线的重要调整，或有高质量论文、开源项目及其他代表性研究成果。