1.面向 Jetson Orin Nano / Orin NX / AGX Orin 及 RTX 30 / 40 / 50 系 NVIDIA GPU，负责具身模型的量化落地，覆盖 PTQ、QAT、INT8 / INT4 / FP16 / FP8、KV Cache 量化、Vision Encoder 量化、Action Head 量化等； 2.针对视觉编码器、语言模型、attention、diffusion denoiser、action decoder、state encoder 等模块，进行量化敏感性分析和混合精度策略设计； 3.跟进最新量化策略研究，完成量化实验、性能优化和端侧部署； 4.建设量化评测流程，关注任务成功率、动作误差、轨迹稳定性、控制频率、端到端延迟、显存、功耗和稳定性。

1.有模型量化、推理优化、端侧部署或机器人模型部署经验，熟悉大模型 / 多模态模型 / 具身模型部署流程； 2.熟悉 PTQ、QAT、权重量化、激活量化、混合精度量化等方法，能够独立完成量化方案设计、校准、实验验证和精度分析； 3.熟悉 PyTorch，了解 ONNX、TensorRT、TensorRT-LLM 等推理部署链路，能够完成模型导出、量化实验和推理调试； 4.了解 VLA、Diffusion Policy、ACT、OpenVLA、π0、RT 系列等具身模型结构和输入输出形式； 熟悉 NVIDIA GPU / Jetson 部署环境，了解显存、功耗、散热、低 batch 推理、CPU / GPU 数据搬运和实时性约束； 5.具备性能分析能力，能使用 Nsight、TensorRT profiler、torch profiler、nvidia-smi、tegrastats 等工具定位瓶颈； 6.熟练掌握 Python，熟悉 C / C++ / CUDA / Triton 者优先；