岗位职责

1. 负责多模态感知与理解算法（视觉-语言-动作）的研发与优化，包括模型设计、训练、推理与评估。

2. 研究并实现基于大模型的视觉-语言融合策略，提高机器人/智能体的感知与决策能力。

3. 跟踪前沿技术，推动VLA模型在智能交互、任务执行等场景的落地应用。

任职资格

1. 计算机、人工智能、机器人等相关专业，硕士及以上学历。

2. 熟练掌握深度学习框架（如 PyTorch、TensorFlow）及多模态建模方法。

3. 具备计算机视觉、自然语言处理、强化学习等至少一个领域的深入研究经验。

4. 熟悉 Transformer、CLIP、BLIP、LLM 等相关架构与模型原理。具备良好的代码能力、算法实现能力及科研论文阅读能力，能快速复现并改进前沿算法。