1. 负责家庭服务机器人操作模型的方案设计，VLA大模型的全链路研发，包含数据处理、模型训练、仿真测试到真机部署。 2. 核心职责： （1）. 模型架构研发与方案设计 - 设计端到端VLA架构，实现高层任务规划与低层动作生成的模态对齐，支持长程任务链（Chain-of-Action-Thought, CoAT）自主决策 - 提出或复现前沿的VLA方法（如π0.5/π0.6/π0.7、StarVLA、GR00T等） - 探索VLA+强化学习（RL）融合，以及HIL-SERL框架 - 关注流匹配、动作分块等最新架构优化方向 - 关注UMI/EgoCentric/HumanCentric等跨本体学习，跨模态，跨任务泛化性相关工作 （2）. 真机部署与Sim2Real - 将仿真环境训练的策略部署到真实机器人平台，完成闭环测试验证 - 实现Sim2Real的few-shot高效迁移，解决仿真到现实的泛化鸿沟 （3）. 数据与评测体系 - 构建机器人自采数据的收集、规范化处理及多模态数据集管理 - 制定公平、标准化的VLA评测方法，为模型迭代提供北极星指标 - 探索Scaling Law路径：从模型架构、数据量到算力的协同扩展 （4）. 系统集成 - 与机器人系统团队/机电团队协作，实现从数采到功能闭环的完整系统

1. 硕士及以上学历，博士优先； - 经验：1–3年以上深度学习/机器人算法相关经验；包含优秀的应届博士生； - 学术成果：在具身智能、计算机视觉、机器人或机器学习等相关领域的顶会/顶刊（如CVPR, ICCV, ECCV, CoRL, ICRA, IROS, RSS等）发表过论文者优先； 2. 专业技能： - 算法经验：具备大规模数据训练、多任务联合训练（Multi-task Joint Training）以及预训练（Pre-training / Foundation Models）的丰富实战经验； - 工程能力：熟悉分布式训练加速（如PyTorch DDP, DeepSpeed等），具备海量多模态数据处理和模型训练调优能力。