地平线视觉深度学习算法实习生（VLA静态要素理解方向）

1、探索vla模型在复杂路口的场景理解能力以及对下游决策模块的提升； 2、负责核心算法或模型的原创设计以及工程化落地，如模型优化、评测体系化构建、case迭代等； 3、掌握数据挖掘、标注、训练、部署及badcase回归等闭环链路，并伴随业务开展持续优化； 4、掌握通过数据闭环持续迭代模型的能力；

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。

1. VLA/VLN算法开发：研究并实现Vision-Language-Action (VLA) / Vision-Language Navigation（VLN）算法，使机器人能够根据自然语言指令以及当前场景进行自主移动； 2. 多模态融合：开发视觉、语言、地图等多模态信息融合模块，提升导航决策的准确性； 3. 场景理解：实现基于视觉和语言的场景语义理解，支持复杂环境下的目标定位与路径规划； 4. 模型训练与优化：负责VLA/VLN模型的训练、调优及推理性能优化； 5. 数据与评测：参与导航数据集构建、评测指标设计及Benchmark开发。

1.负责理想汽车VLA模型方法研发和工程落地，包括但不限于视觉多模态理解、高级指令拆解及多模态policy预测; 2.负责设计高性能上限，具备量产能力的VLA模型算法，对包括但不限于diffusion、VLM等模型算法有实操经验； 3.开发高效离线训练框架，以及可实时运行的在线推理框架，优化模型推理性能，研发模型部署工具链和优化工具； 4.建立云端数据感知/决策联合标注Pipeline、数据挖掘机制以及难样本分析等工具链，通过数据闭环持续选代模型能力。