岗位职责

1.参与设计大规模多模态数据集的收集、处理:

2.参与大模型的预训练、微调、部署工作:

3.跟踪最新视觉-语言-动作大模型算法方向，参与SOTA算法仿真/实机复现，提升视觉-语言-动作大模型在复杂环境中的感知和决策能力。

任职要求

1.具有计算机、人工智能、自动化、机器人学等相关行业从业经历或具有相关专业硕士及以上学历:

2.具备扎实的深度学习基础，熟悉Transformer、BERT、ViT、CLIP.BLIP
等主流视觉-语言模型架构;

3有大模型的训练推理优化经验，熟悉其在多模态任务中的应用(如PyTorch、TensorFlow)

4.熟练掌握主流深度学习框架好的工程能力和代码实现能力;

a.熟悉机器人端到端操作模型(如ACT、OpenVLA、pi0，RT2等)解视觉-语言-动作大模型的前沿进展

b.熟悉机器人感知与控制领域，理解机器人操作、导航、交互、动作轨迹预测等基本任务流程:

C.在ICLR/NIPS/ICML或同等/更高水平学术刊物发表过具身智能方向的研究论文:

d.发起或作为核心贡献者参与过高影响力开源项目: