· 负责世界动作模型（WAM）在机器人操作场景的研发与落地，聚焦预训练/零样本/少样本（Zero-Shot/Few-Shot）Policy学习，优化与实时部署，主导从视频扩散模型设计到机器人动作闭环控制的全流程研发； · 开展视频扩散模型与机器人Policy的联合训练、性能验证与迭代优化，提升模型推理效率、泛化能力与控制精度，推动算法在机器人本体上的工程化落地； · 跟踪领域前沿技术演进，结合业务需求开展技术创新、方案设计与原型验证，形成可落地的核心算法与技术壁垒。

· 硕士及以上学历，计算机科学、自动化、机器人工程、控制工程、人工智能等相关专业，具备视频生成、VLA（视觉-语言-动作）、世界模型（World Model/WA）方向研究与开发经验； · 熟练掌握强化学习基础理论与算法，熟悉DINO、JEPA、DP（Diffusion Policy）、ACT（Action Chunking Transformer）等机器人核心基础网络，具备相关网络训练、调试与部署经验； · 具备扎实的代码实现能力，熟练使用PyTorch/TensorFlow等深度学习框架，有机器人仿真环境（Isaac Gym/Mujoco）或真机部署经验者优先； · 熟悉 Python，熟悉 PyTorch 等深度学习框架。 · 加分项: 在会议发表论文（CoRL, RSS, ICRA, IROS, NeurIPS, ICLR, CVPR, ICCV等） · 具有良好的学术调研、问题拆解与团队协作能力。