岗位职责：
1、探索生成式模型（如扩散模型、自回归模型）在具身智能（Embodied AI）中的应用，包括但不限于：
3D场景/物体生成（用于机器人仿真训练环境构建）
多模态动作生成（如机器人操作序列、导航路径规划）
虚拟-真实数据合成（解决Sim2Real数据鸿沟问题）
2、研究物理约束的生成方法（如基于刚体动力学、碰撞检测的生成优化）。
3、构建面向具身任务的多模态AIGC系统（文本-图像-3D-动作联合生成），提升模型对物理世界的理解能力。
4、结合强化学习（RL）或模仿学习（IL），实现生成内容与机器人执行的闭环优化。推动AIGC在机器人领域的学术创新。
任职要求：1. 教育背景
博士学历，专业方向：
计算机科学（AI/图形学方向）
机器人学（具身智能相关）
计算物理/数学（具备生成模型研究经验）
2. 技术能力
生成式模型：
精通扩散模型、GAN、VAE等生成技术，有相关项目或论文（如Stable Diffusion、DALL-E复现）；
熟悉3D生成技术（NeRF、Gaussian Splatting、Point Cloud生成）者优先。
具身智能基础：
了解机器人感知-决策-控制流程，有仿真平台（Isaac Gym、AI2-THOR）或真实机器人开发经验者加分；
（加分项）熟悉物理仿真引擎（PyBullet、MuJoCo）或具身数据集（Habitat-Matterport）。
3. 科研经历
在生成模型或具身智能领域发表过顶会论文（SIGGRAPH、CVPR、ICLR等）；
（加分项）参与过AIGC+机器人交叉项目（如生成训练数据、策略蒸馏）。