VLA与世界动作模型方向

岗位职责（具身大脑方向）

1、VLA/VLN 算法研发与落地

研发基于多模态大模型的 VLA（视觉-语言-动作）与 VLN（视觉-语言-导航）架构。

负责高维语义指令（如行业 SOP、长程作业规划）到具身技能基元（Skill Primitives）的动态解码与编排，实现复杂开放场景下的长程任务执行。

设计并优化多模态时空思维链（Spatial-Temporal CoT），赋予模型在真实物理场景下的空间具象观察与逻辑推理能力。

2、世界动作模型（World Action Model）的构建与探索

研发基于潜空间的世界动作交互模型，实现对城市动态环境（如行人博弈、车辆交互、抓取操作）的高质量前向模拟与未来状态生成。

结合大模型认知中枢（Agent），落地基于世界动作模型算法，解决操作和移动类的问题（统一通用模型）。

3、具身对齐与闭环反思（Reflection）机制建设

探索并落地基于强化学习（RL）的连续控制与对齐技术，在传统离线行为克隆（BC）的基础上，进一步突破模型在复杂开放环境下的操作天花板与行为边界。

构建基于底层物理反馈的 VLM 闭环反思引擎，实现技能的动态重规划与端侧自治。

职位要求::

计算机、人工智能、机器人控制或相关专业硕士及以上学历。

经历要求（满足其一即可）：

在具身智能和 AI 领域顶级会议/期刊（如 NeurIPS, ICLR, CVPR, ICRA 等）以第一作者发表过 VLM、VLA、RL、世界模型或端到端算法相关的高水平论文。

在行业头部具身智能企业或顶尖 AI 实验室拥有相关的核心算法研发与真机/仿真落地实习经验