1.设计VLA模型整体架构（Vision Encoder + LLM/VLM + Action Head），定义各模块接口与数据流 2.复现和改进前沿论文（UniAD/VAD/OpenDV等），将学术方案转化为工业级实现 3.主导多模态融合策略（视觉特征+语言指令+车辆状态）的设计与验证 4.制定模型Scaling路线图（从百万参数到十亿参数），规划训练资源与数据需求 5.指导训练算法工程师进行大规模分布式训练与调优

1.计算机视觉/机器学习/机器人学相关方向博士或硕士+3年以上经验 2.在CVPR/ICCV/NeurIPS/ICLR/CoRL等顶会发表过自动驾驶或多模态相关论文 3.亲手训练过Billion-parameter级别的多模态模型（VLM/VLA/Video Diffusion等） 4.精通PyTorch，熟悉DeepSpeed/Megatron/FSDP等分布式训练框架 5.对BEV感知、Occupancy Network、Diffusion Policy、Imitation Learning至少精通两个方向