高德地图高德-VLA基座模型算法工程师 --预训练/后训练方向-视觉技术中心
任职要求
学历与专业背景：计算机/机器人/AI 相关专业硕士及以上学历，3 年以上多模态大模型或具身智能核心研发经验。
项目经历（满足其一）：
•主导过 VLA/VLM/WAM 至少一个方向从 0 到 1 的模型研发，并完成千卡级以上预训练 + 端到端落地
•主导过世界模型 / 世界动作模型 / 视频生成方向有显著影响力的项目（开源数据集、可复现 Benchmark、顶会 oral/spotlight）
•主导过大规模 RL 训练（PPO/GRPO/SAC），完成 Sim-to-Real 闭环验证或真机部署
专业技能：
•L3 级具身智能算法能力：能独立设计 VLA / WAM 架构，主导预训练数据配比、后训练 RL 策略与 Reward Model 设计
•训练工程能力：熟练…工作职责
高德地图视觉技术中心（AMAP CV Lab） 高德地图日均服务数亿用户，每日处理超百亿级位置与视觉数据。视觉技术中心是高德的核心技术引擎，视觉技术中心是高德的核心技术引擎，深耕空间智能、具身智能、世界模型等AGI前沿方向。我们的核心使命：以空间智能为锚点，打造物理世界的智能体操作系统 ABot。我们不做“刷榜模型”，而是打造能在开放世界中自主决策、安全执行、持续进化的智能体系统。你的研究，将直接改变数亿人的出行方式。 GitHub 主页：https://github.com/amap-cvlab 我们的优势：独一无二的“空间智能-场景-生态”三角 ● 空间智能深度：全栈覆盖三维重建、世界模型、多模态、具身导航、LLM/VLM/VLA/AI Agent，所有技术都服务于“让AI理解并作用于物理空间”。 ● 场景广度：亿级用户真实验证，从封闭测试到开放街道，技术必须经得起现实世界的“毒打”，空间智能不能只存在于实验室。 ● 生态高度：清华大学、北京大学、港科、中科院等深度合作，主导开源标准，你不是孤军奋战，而是站在全球空间智能研究的前沿。 岗位职责： 具身基座模型 (Embodied Foundation Models)： 研发下一代VLA/WAM大模型，突破多模态指令到精准动作映射的瓶颈，实现跨场景的零样本迁移能力； 世界模型 (World Models)： 构建基于大规模视频生成的物理世界模拟器，利用生成式AI预测场景演化，为具身智能提供无限的训练“想象空间”； 大模型后训练与强化学习 ： 探索GRPO、PPO、SAC等算法在多模态大模型、具身控制上的应用，通过大规模强化学习提升Agent在复杂时空环境下的决策边界； 大规模数据合成与闭环： 利用高德独有的时空数据优势，构建自动化的具身数据生产、评测管线，解决Scaling Law在具身领域的落地难题； 开源影响力与行业基准： 主导或深度参与具身智能开源项目建设。 我们鼓励将核心算法框架、高质量具身数据集或评估基准贡献给开源社区，打造具有行业号召力的开源作品，定义下一代具身智能的技术标准。
我们是vivo机器人LAB团队，致力于研究和探索面向未来十年的智能终端演进趋势，承担公司在具身智能方向的前瞻探索与产品落地任务。 加入我们，你将与一群探索未来的专家们并肩作战，将接触最前沿的具身智能相关趋势和技术，一起探索和定义下一代智能终端的形态与边界！ 你将与我们一起专注于： 1、VLA算法研发：开展机器人场景VLA核心算法优化，跟进前沿技术，解决决策控制核心痛点； 2、模型训练与性能优化：搭建机器人VLA模型训练体系，完成分布式训练迭代，优化模型泛化性、鲁棒性与推理效率； 3、训练数据体系建设：对接数据工程师完成VLA数据采集、清洗全流程管控，持续提升数据质量，实现模型效果迭代优化； 4、算法工程化部署：完成算法工程化封装与真机迁移，对接机器人底层系统，实现真机部署联调； 5、技术文档撰写：撰写维护全流程技术文档，参与核心专利申报，沉淀技术知识库，规范技术资产管理。
1、负责VLA自动驾驶大模型的研发及在车端量产落地等工作； 2、解决VLA在实际量产项目中的问题，基于 Agent 开发自动化问题分析工具； 3、参与构建高质量 VLA Benchmark 系统，包括场景挖掘、难例挖掘及模型评测（Reward Model）等。
多模态大模型（VLA：Vision-Language-Action）算法的预研, 包含但不限于： 1. 研究视觉、语言与行为动作之间的联合建模机制，探索多模态预训练与表征学习方法，实现跨模态对齐与融合； 2. 多模态数据集的构建与管理，包括视觉、语言、行为等多模态标签设计与质量控制； 3. 探索模型蒸馏、小样本泛化等技术，推动模型在自动驾驶复杂场景中的部署效率； 4. 跟进并复现前沿研究（如 EMMA、RT-2、OpenVLA等），协助撰写技术报告、论文或专利材料。 5. 深入调研并实践 RLHF / DPO 等对齐技术，提升多模态模型的响应能力与行为决策能力； 6. 撰写高质量的技术文档，参与论文发表或专利申请。
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。