1. 设计和实现具身多模态大模型，整合视觉、语言、声音等多种数据源，提升机器人的感知和理解能力。 2. 开发多模态具身大模型，使机器人能够根据环境反馈进行自主学习和决策。 3. 研究和应用模仿学习、强化学习等算法，提高机器人的操作精度和适应性。 4. 发表研究论文，参与国际会议，保持对最新研究趋势的敏感性。

1. 博士学位，专业方向为人工智能、计算机视觉、计算机科学、机器人学或相关领域。 2. 如图像、视频、音频和语言等多种数据源的处理和整合有深入理解，对机器人硬件、传感器、控制器和执行器的高可靠、高精确的运动和控制能力有所了解。 3. 在深度学习 / 多模态学习 / 计算机视觉 / 具身智能等相关领域的国际期刊或会议上有发表论文的经历。