• 算法工程师
• 世界模型算法工程师
• 物理动力学建模
• 潜在变量世界模型
• 隐空间状态预测
• 3D/4D时空表征
• Gaussian Splatting
• 点云融合
• 几何一致性
• 时空连续性
• 空间推理
• 生成式数据增强
• 扩散模型
• 流匹配
• 仿真数据生成
• 动作数据稀疏
• 模型驱动Policy优化
• 想象中学习
• 强化学习加速
• 模仿学习收敛
• JEPA
• World Models
• Generative Simulation
• 可交互物理模拟
• Python
• PyTorch
• 数学建模
• Transformer
• Diffusion
• Dreamer系列
• 3D视觉
• 3DGS
• NeRF
• 4D时空特征学习
• 物理引擎
• MuJoCo
• IsaacGym
• 动力学对齐
• ICML
• ICLR
• CVPR
• RSS
• ICRA
• 顶会论文
• 硕士博士
• 人工智能

职位类别： 算法工程师

·岗位职责1.物理动力学建模：研发基于潜在变量（LatentVariable）的世界模型，构建机器人在隐空间下的状态演化预测能力，实现对复杂物理交互过程的精准建模；2.3D/4D时空表征：深度融合视觉与3D信息（如GaussianSplatting,点云），构建包含几何一致性与时空连续性的环境统一表征，提升机器人在未知环境中的空间推理能力；3.生成式数据增强：利用扩散模型（Diffusion）或流匹配（FlowMatching）技术生成高保真、符合物理规律的仿真数据，解决工业特种场景下动作数据稀疏的问题；4.模型驱动的Policy优化：研究基于世界模型的“想象中学习（LearninginImagination）”技术，利用预测模型加速强化学习或模仿学习的收敛；5.前沿探索：跟踪JEPA、WorldModels、GenerativeSimulation等领域最新进展，推动模型从单纯的“视频生成”向“可交互物理模拟”进化。·任职要求1.计算机科学、人工智能等相关领域的硕士/博士，精通Python编程语言和PyTorch框架，具备扎实的数学建模分析能力；2.深入理解Transformer、Diffusion、JEPA、FlowMatching或Dreamer系列等模型；3.熟悉3D视觉（如3DGS、NeRF）或4D时空特征学习。·加分项：•熟悉物理引擎（MuJoCo,IsaacGym）与真实世界的动力学对齐；•在ICML、ICLR、CVPR、RSS、ICRA等顶会或者同等影响力的学术刊物上发表过相关论文。 。

• 年龄要求： 不限
• 语言要求： 语言不限

周晴

聊一聊

刚刚在线

刚刚在线

查看联系方式

查看联系方式