研究方向：视觉-语言-动作模型（Vision-Language-Action, VLA）结合人形机器人在高性能复合材料研发和智能制造中的应用与创新

研究背景与方向

随着大语言模型（LLM）的快速发展，视觉-语言-动作（VLA）模型已成为具身智能（Embodied AI）和通用机器人领域的核心前沿技术。VLA模型通过融合视觉感知、自然语言理解和动作生成，实现从人类指令到机器人执行的端到端闭环控制，能够显著提升机器人在复杂、非结构化环境中的泛化能力、指令跟随能力和长时序任务规划能力。

高性能纤维复合材料（连续纤维如玻纤，碳纤，芳纶纤维增强的聚合物）的研发和制造中长期面临产品研发难度高，批量数量波动大，工艺种类多且质量要求高等诸多挑战。传统的自动化技术难以适应复材行业的定制化，柔性化需求。聚焦于VLA模型与人形机器人的融合技术，构架“感知-理解-决策-执行”的一体化智能系统，通过人机协同，突破复合材料行业的设计优化，工艺控制，质量检测等核心瓶颈，实现降本增效与产业升级。

本课题组专注于VLA模型结合人形机器人在复合材料的创新应用，主要研究内容包括但不限于：

模型和方法研发

l 基于Transformer的多模态VLA基础模型设计与预训练

l VLA模型的动作预测机制优化

l 多模态数据对齐与高效微调

l 模拟到真实迁移（Sim-to-Real）、强化学习增强VLA、长上下文任务规划与世界模型融合。

l 实际机器人平台验证（重点在人形机器人多任务，如全身协调运动、双臂操作、步态导航与交互等）。

l 人形机器人硬件装配、传感器集成与底层软件调试

应用和验证

l 基于具体应用场景的方案实施和效果评估，包括但不限于以下方向

n 设计优化方向：开发基于自然语言的复合材料产品结构设计，优化，分析等生成式设计工具，通过VLA模型实现材料-结构-工艺的协同优化

n 工艺技术方向：构建VLA模型的关键工艺技术的智能化，如人机协同的织物预制体拼接，工艺参数分析，优化和实时调整，以及人机协同的复杂产品总成装配

n 质量检测方向：建立多模态（视觉/红外/超声）缺陷检测与根因分析模型，物料检测与比对，联动工艺参数修正

课题组拥有先进的人形机器人实验平台（包括全身多自由度人形机器人、力控传感器、高性能仿真环境）、高性能计算资源（多卡GPU集群），并与国内外知名实验室（如Figure AI、Tesla Optimus相关方向合作机构）以及高性能复合材料的领先企业有紧密合作。毕业生就业前景广阔，可进入顶尖高校、研究院或领先企业从事人形机器人与具身智能前沿研发。

申请要求

学历背景：计算机科学、人工智能、机器人学、自动化、电子工程、机械工程、复合材料工程等相关专业硕士毕业生（或优秀本科直博生）

专业技能

扎实的机器学习/深度学习基础，熟悉PyTorch/TensorFlow等框架。

有多模态学习（VLM/LLM）、计算机视觉、强化学习或机器人控制经验者优先。

熟悉ROS2、Transformer架构者优先。

有顶会论文发表经验（NeurIPS、ICML、ICLR、CVPR、RSS、CoRL、ICRA等）者优先。

强烈的科研兴趣和创新能力，良好的数学与编程基础。

英语流利，能顺畅阅读顶级论文并进行学术沟通。

优秀的团队协作精神，愿意动手参与人形机器人硬件装配、传感器调试、系统集成与真实场景实验。