地平线机器人操作算法实习生

1. 负责机器人操作世界模型算法研发，包括视频预测、状态建模、动作生成、潜在空间建模等核心技术； 2. 参与 VLA 模型训练与优化，探索世界模型在长时序操作、多任务泛化与复杂场景推理中的应用； 3. 参与类似 DreamZero、FastWAM 等生成式机器人算法方向研究，探索基于视频生成与未来状态预测的机器人动作规划与控制能力； 4. 构建机器人操作评估与数据闭环系统，推动模型在真实机器人上的部署验证与 sim2real 泛化； 5. 跟踪世界模型、机器人基础模型、强化学习与多模态生成模型等前沿方向，完成相关算法复现、优化与创新。

1、负责机械臂和灵巧手的模仿学习+强化学习相关算法的开发与落地，如物品抓取、铰链物体操作、可变形物体操作、掌内操作等； 2、跟踪国内外具身操作的最新进展，能够快速理解新工作并能够提出创新性观点，完成实验验证； 3、和大模型相结合，利用语言交互以及视觉，触觉等多模态信息实现在不同应用场景下的功能泛化和长序列动作；

1. 面向兼具移动与操作能力的机器人硬件平台，攻坚移动与操作任务的一体化全身协同控制算法。 2. 引入业界SOTA大模型与大数据算法，显著提升机器人操作任务在多样化未知场景中的泛化成功率。 3. 融合视觉、力觉、触觉等多模态感知信息，构建极具鲁棒性的环境交互系统与任务执行框架。 4. 基于海量人类与机器人动作数据，在复杂物理引擎中实现具备人体运动风格的Loco-manipulation技能建模与模仿。 5. 结合仿真与真机实验，为机器人硬件架构设计与关键部件选型提供数据驱动的核心正向反馈。

1. 面向兼具移动与操作能力的机器人硬件平台，攻坚移动与操作任务的一体化全身协同控制算法。 2. 引入业界SOTA大模型与大数据算法，显著提升机器人操作任务在多样化未知场景中的泛化成功率。 3. 融合视觉、力觉、触觉等多模态感知信息，构建极具鲁棒性的环境交互系统与任务执行框架。 4. 基于海量人类与机器人动作数据，在复杂物理引擎中实现具备人体运动风格的Loco-manipulation技能建模与模仿。 5. 结合仿真与真机实验，为机器人硬件架构设计与关键部件选型提供数据驱动的核心正向反馈。