高德地图高德-具身多模态动作生成式大模型算法工程师（人机交互方向）-具身业务部
任职要求
● 硕士及以上学历，计算机科学、人工智能、自然语言处理、机器人学或相关专业； ● 具备VLA意图理解、动作预测等相关项目或研究经验； ● 熟悉扩散模型、GPT等生成式大模型，有大模型训练、3D内容生成、动作生成或数字人等领域的研发经验者优先； ● 了解动作重定向…
工作职责
负责多模态人机动作交互大模型算法的研发，推动机器人交互技术的创新与落地，具体包括但不限于： ● 研究多模态智能体、推理与规划等前沿方向，开发多模态意图理解与动作预测算法，使机器人在交互中能自主动作决策并执行； ● 构建通用动作生成模型：基于语音、视觉、语境等多模态输入，研发高自然度、高智能性的机器人物理可执行动作生成算法； ● 优化动作控制性能：设计动作生成与执行控制的联合优化算法，提升动作的流畅性、精准性与实时响应能力。
1、围绕视觉-语言-动作 (VLA) 模型与具身世界模型方向，研发面向机器人感知、理解、预测、决策与动作生成的一体化算法，推动多模态端到端模型在复杂场景中的能力上限。 2、具身大模型全生命周期研发，包括模型架构设计、预训练、后训练、评测与部署，持续优化模型在真实任务中的成功率、鲁棒性与泛化能力。 3、主导或参与视觉/动作编码器、多模态表征学习、离散/连续tokenizer等核心模块研发，提升模型对视觉、动作、时空信息的压缩、建模与生成能力。 4、与数据、Infra等团队，推动数据-训练-测评的协同迭代。 5、跟踪具身智能、多模态大模型、生成式建模等前沿方向，复现并创新相关方法，推动高水平论文、开源项目及专利产出。
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。
团队介绍： 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现高精度地图、三维重建、LLM/VLM，AI Agent等核心技术，持续突破自动驾驶、AR导航、具身智能、推广搜和生活服务等领域的技术边界。团队不仅在计算机视觉领域持续深耕，更将计算机视觉及AI技术在自主导航、高德打车、生活服务等多元化应用场景。 作为高德地图的核心技术驱动部门，我们以下一代三维地图引擎、多模态理解与生成、空间智能、世界模型等方向为核心，推动智能出行与真实世界连接的深度融合。 团队gihub主页：https://github.com/amap-cvlab 岗位介绍： 我们正在寻找一位才华横溢的生成式AI/世界模型算法工程师加入我们的团队，共同探索人工智能的前沿领域，构建下一代智能系统的核心技术。如果你对生成式AI/世界模型有深入的理解和研究，渴望在这一领域大展身手，那么请加入我们！ 主要职责： 1. 3D静态生成：负责3D物体/场景生成算法的优化，探索高效的3D生成表示方式，并改进扩散或自回归生成模型，提升单图到3D物体或场景生成的精度与稳定性； 2. 3D动态生成：基于扩散/自回归视频生成基模，并引入3D场景表征和隐式动作表征，实现长视界一致、并且可交互的动态视频生成； 3. 世界模型构建：参与世界模型的前沿技术探索，包括环境建模、状态预测、决策规划等方面，以构建能够准确模拟和理解复杂环境的智能模型。探索空间智能的统一建模范式，包括未来状态预测以及未来动作预测，并构建反馈机制，最终实现自主学习； 4. 跟踪学术界和工业界在生成式AI/世界模型相关领域的最新进展，保持公司在该领域的技术领先地位。
1、主导具身智能大模型的核心算法研发，包括多模态感知（视觉、语言、动作）、强化学习策略优化、世界模型构建等方向； 2、研究传统仿真与生成式仿真相结合的数据合成方案，构建机器人及具身智能领域的新型数据范式，推动合成数据在训练与真实场景中的应用； 3、跟踪学术界与工业界最新进展（如VLA、具身智能等），保持技术领先性快速验证关键技术并推动团队技术迭代； 4、推动模型在机器人场景的落地，解决实际应用中的挑战。