岗位职责：

l 负责抓取/采摘机器人的 VLA（Vision–Language–Action）智能决策体系设计与实现；

l 负责构建和优化复杂场景下的 视觉–语言–动作多模态模型，实现自主理解目标结构、抓取/采摘策略等语义信息；

l 负责基于 VLM/VLA 的 任务规划、动作生成、抓取策略生成等算法研发；

l 将 VLA 模型嵌入机器人控制栈，实现从高层语义目标到底层控制指令的映射；

l 负责构建多模态数据集（RGB、深度、点云、文本描述、语义标签），并开展自监督/弱监督训练；

l 将感知（检测、分割、姿态估计）与规划（轨迹生成、抓取点选择）整合进世界模型或通用 VLA 架构；

l 在 Jetson/ARM/NPU 平台上进行推理优化，实现可部署的轻量化 VLA 模型；

l 跟踪 OpenAI、VLAWorld、Pi0、RT-2、OpenVLA、Agricultural-VLM 等前沿研究成果，推动落地；

l 编写算法文档、接口说明与高层架构文档。

（2）任职需求与优先条件：

l 计算机、人工智能、机器人、多模态学习等相关专业硕士以上学历；

l 熟悉 C++/Python，具备扎实的深度学习工程能力；

l 精通多模态学习，包括视觉–语言预训练、跨模态对齐、动作预测等；

l 熟悉VLM/VLA 模型（如 OpenVLA、RT-2、VLAWorld、VIMA、RoboVQA）优先；

l 熟悉世界模型（如 DreamerV3、TD-MPC、MPC-based latent models）者优先；

l 熟悉机器人行为克隆 RLHF、Diffusion Policy 者优先；

l 熟悉 ROS1/ROS2、MoveIt、机械臂控制栈，有机械臂/户外机器人经验者优先；

l 在多模态、大模型、机器人学习等领域有论文、开源项目或工程落地经验者优先。