核心职责 1. 开发视觉驱动的Agent决策系统 - 基于VLA框架（如RT-X, Gato, VoxPoser）构建视觉-动作映射模型，实现语言指令→场景理解→动作生成闭环； - 设计多模态状态表示模块（图像/点云/语言嵌入的融合与压缩）； 2. 工程化部署与优化 - 在仿真环境（Isaac Gym, iGibson）或真实机器人平台部署Agent策略，解决实时推理延迟问题； - 开发动作安全校验机制，防止机械臂碰撞、自动驾驶误操作等风险； 3. 构建评估体系 - 设计具身智能评测基准（任务成功率、指令泛化性、异常恢复能力）； - 开发可视化调试工具，实时追踪Agent的注意力和决策路径； 任职要求 - 熟悉视觉-语言模型（VLMs） 的微调与部署（如OpenFlamingo, LLaVA）； - 具备机器人动作控制基础（运动学建模、轨迹规划、ROS通信） 1. 项目经验 - 有以下任一实践： ✅ 机器人抓取/导航任务的端到端训练 ✅ 决策模型开发 ✅ 仿真环境中的具身智能体训练 加分项 - 在真实机器人（UR5/机械狗/无人车）部署过决策模型； - 有3D视觉处理经验（NeRF, 点云动作生成）； - 熟悉大规模具身智能数据集（如RT-1, Open X-Embodiment）。 其他： 地点：北京/青岛西海岸西区（德国企业中心） 实习期不少于6个月 每周时间>=3天