嶺南集團

【應屆碩士投遞，需碩士期間發表過論文在 sci 或者 中文核心期刊】

崗位職責?
1. 負責視覺-語言-動作（VLA）多模態大模型的架構設計、訓練與優化，實現機器人對自然語言指令與視覺環境的端到端理解與動作生成。
2. 開發并優化動作生成策略，融合模仿學習（BC、GAIL）、強化學習（PPO、SAC）、擴散策略（Diffusion Policy）與流匹配（Flow Matching）技術，提升機器人在復雜場景下的泛化能力。
3. 構建并維護高質量機器人交互數據集，設計數據采集、清洗、標注與混合訓練流程，支撐VLA模型的閉環迭代。
4. 部署VLA模型至人形/機械臂機器人平臺，優化推理延遲、內存占用與能效比。

?任職要求?
?1. 計算機科學、人工智能、機器人學、自動化或相關專業?碩士及以上學歷。
?2. 精通 ?Python? 與 ?PyTorch?，具備大規模多模態模型訓練經驗（支持多機多卡，熟悉DeepSpeed/FSDP）。
3. 深入理解 ?Transformer?、?ViT?、?Qwen-VL等視覺-語言預訓練架構，具備微調與適配能力。
4. 熟練使用 ?3D視覺工具鏈?：PCL、Open3D、點云配準、6D位姿估計、SLAM（VINS、ORB-SLAM3）。
?5. 具備?模仿學習?與?強化學習?實戰經驗，熟悉動作序列建模、行為克隆、獎勵函數設計。
6. 有?VLA模型?（如OpenVLA、RT-2、RDT）或?多模態策略?開發經驗者優先。