ztadmin

【应届硕士投递，需硕士期间发表过论文在 sci 或者 中文核心期刊】

岗位职责‌
1. 负责视觉-语言-动作（VLA）多模态大模型的架构设计、训练与优化，实现机器人对自然语言指令与视觉环境的端到端理解与动作生成。
2. 开发并优化动作生成策略，融合模仿学习（BC、GAIL）、强化学习（PPO、SAC）、扩散策略（Diffusion Policy）与流匹配（Flow Matching）技术，提升机器人在复杂场景下的泛化能力。
3. 构建并维护高质量机器人交互数据集，设计数据采集、清洗、标注与混合训练流程，支撑VLA模型的闭环迭代。
4. 部署VLA模型至人形/机械臂机器人平台，优化推理延迟、内存占用与能效比。

‌任职要求‌
‌1. 计算机科学、人工智能、机器人学、自动化或相关专业‌硕士及以上学历。
‌2. 精通 ‌Python‌ 与 ‌PyTorch‌，具备大规模多模态模型训练经验（支持多机多卡，熟悉DeepSpeed/FSDP）。
3. 深入理解 ‌Transformer‌、‌ViT‌、‌Qwen-VL等视觉-语言预训练架构，具备微调与适配能力。
4. 熟练使用 ‌3D视觉工具链‌：PCL、Open3D、点云配准、6D位姿估计、SLAM（VINS、ORB-SLAM3）。
‌5. 具备‌模仿学习‌与‌强化学习‌实战经验，熟悉动作序列建模、行为克隆、奖励函数设计。
6. 有‌VLA模型‌（如OpenVLA、RT-2、RDT）或‌多模态策略‌开发经验者优先。