VLA与世界动作模型算法工程师

岗位职责：

1. VLA/VLN 算法研发与落地：

1-1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。

1-2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。

1-3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：

2-1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。

2-2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：

3-1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。

3-2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：

1. 基础与学术背景

1-1计算机、人工智能、机器人控制或相关专业硕士及以上学历。

1-2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。

2. 核心技术栈：

2-1深入理解具身智能VLA与世界模型的前沿权威工作，熟悉并阅读过相关代表性论文和代码仓库（如 PI (Physical Intelligence) 系列、Fast-WAM、OpenVLA等）。

2-2熟悉主流的多模态大模型架构（如 Qwen-VL, LLaVA,）及其高效微调技术（LoRA, DeepSpeed）。

2-3对条件扩散模型（Diffusion Models for Planning）或视频/状态生成模型有深刻理解。

3. 具身 Task 闭环与评测 Sense：

3-1完整跑通具身智能 Task 评估全流程： 不仅会训练模型，更要对 Embodied Task 的仿真评测（Sim-to-Real）与真机、实车成功率指标体系有深刻的认知。

3-2具备极强的 Technical Sense，能够从 Task 失败的录像/Log 中敏锐定位是感知幻觉、策略崩塌还是物理执行越界，并提出有效的算法改进方案。

4. 编程与 AI 工程能力：

4-1具备极强的 PyTorch 源码开发能力与大规模分布式训练经验。

4-2AI Coding 赋能： 习惯且熟练使用 Codex、Claude Coding 等 AI 辅助编程工具，具备“用 AI 构建 AI”的极客工作流，追求极致的代码产出效率与优雅的工程结构。