地平线VLA强化学习算法实习生

岗位职责 1、负责端到端决策规划算法的开发和迭代； 2、负责训练数据与评测数据的日常挖掘与维护； 3、负责端到端智驾大模型方案的研发迭代体系的建设与完善。

1、负责端到端决策规划算法的开发和迭代； 2、负责训练数据与评测数据的日常挖掘与维护； 3、负责端到端智驾大模型方案的研发迭代体系的建设与完善。

1、研发面向自动驾驶的强化学习算法，解决奖励设计、环境交互、安全约束与样本效率等核心挑战； 2、设计奖励模型与仿真环境，构建从虚拟训练到真实迁移（Sim-to-Real）的可靠路径； 3、探索离线强化学习、模仿学习与RL的融合方案，提升算法在复杂交通场景中的泛化能力； 4、参与真实车端/机端的算法部署与闭环验证，推动RL在物理世界的落地； 5、与数据，仿真，infra团队协同，构建高效的RL开发框架，提升模型迭代效率。

深度参与具身智能“感知-决策-行动”技术全链路的技术攻关，在以下一个或多个方向上进行深入研究： 1. 感知与决策规划：提升多模态大模型在具身场景下的能力表现，包括在复杂动态环境中对环境的空间理解，以及对复合任务的任务步骤拆解与任务状态判断能力。 2. 行动与控制：基于真机示教数据、增广数据以及海量互联网视频数据，训练机器人掌握高精度的操作技能。在机器人上研究并实践强化学习算法，优化机器人的动作策略，提升其在物理世界中的动作鲁棒性和技能泛化。 3. 数据增广：通过仿真和world model等方式对真机遥操数据进行规模化增广，探索如何解决真机遥操数据的稀缺问题。