高德地图高德-VLA实习生
任职要求
招聘要求 1. 学历与专业背景 ○ 硕士及以上学历，计算机科学、人工智能、机器人学、自动化、电子工程等相关专业；博士或有顶会发表者优先。 2. 核心技术能力 ○ 熟悉主流 VLA 模型：OpenVLA、RT-1/RT-2、Pi0、RDT、ACT、Diffusion Policy 等； ○ 熟悉多模态大模型：Llava、Qwen-VL、CLIP、PaLM-E、RFM、R3M 等； ○ 掌握基础 CV 模型：ViT、DINO、SAM、Diffusion、GAN；熟悉 NLP 模型：BERT、GPT、LLaMA 系列； ○ 熟悉 PyTorch，熟练使用 ROS、TensorFlow、JAX 等框架；编程语言以 Python 为主，熟悉 C/C+…
工作职责
职位概述
我们正在寻找在视觉-语言-动作（Vision-Language-Action, VLA）领域具有扎实理论基础和丰富实践经验的算法工程师或研究员，致力于构建下一代通用智能机器人系统。你将参与从数据构建、模型设计到仿真训练与实机部署的全链路研发，推动 VLA 大模型在机械臂操作、人形机器人控制等复杂工业与开放场景中的前沿探索与实际落地。
职位描述（Responsibilities）
1. 前沿算法研究与复现
○ 跟踪 VLA 领域最新进展（如 OpenVLA、RT-2、Pi0、RDT、Diffusion Policy 等），完成 SOTA 算法在仿真与实机环境下的复现与性能分析；
○ 探索基于大模型的端到端机器人决策框架，实现感知→理解→规划→动作的闭环。
2. VLA 模型架构设计与优化
○ 设计面向工业场景的 VLA 模型结构，重点解决多模态特征对齐、动作序列生成、推理效率优化等问题；
○ 提升机械臂在复杂任务中的操作精度、泛化能力与鲁棒性。
3. Scaling 研究与泛化能力提升
○ 开展 VLA 的 scaling law 研究，涵盖数据规模、模型结构、机器人构型等维度；
○ 实现长序列任务执行、跨任务技能迁移与动作泛化，在更复杂的工厂或开放环境中验证模型上限。
4. 数据系统与自动标注开发
○ 参与多模态大模型所需的数据清洗、自动标注与增强系统的开发；
○ 探索高效的数据合成方法（如 sim2real 数据生成、LLM 辅助标注），保障数据质量与多样性。
5. 仿真训练与真实部署
○ 基于 Isaac Sim / Gym / Lab、MuJoCo 等平台搭建高保真仿真环境，构建强化学习与模仿学习训练框架；
○ 设计 real2sim2real 迁移策略，加速算法从仿真到现实世界的部署；
○ 具备实机调试经验，能独立完成模型在机械臂或人形机器人上的部署与迭代。
岗位职责 参与具身智能 VLA（Vision-Language-Action）模型的数据体系建设，包括机器人操作数据采集、标注、清洗、质检与管理 负责多模态数据处理流程开发与维护，涵盖视觉、语言、动作、触觉等数据的组织与对齐 搭建和优化大规模机器人数据 pipeline，包括数据上传、存储、版本管理、预处理与训练集构建 参与 VLA 模型训练与迭代，包括数据格式设计、训练配置、效果评估与 benchmark 分析 安克实习生项目是面向正式校招岗位的人才培养与选拔通道。实习期间将按照校招标准进行系统的培养与综合评估，表现优秀者可直接获得校招转正机会，提前锁定正式校招席位。我们以严肃、长期的视角对待每一位实习生，也期待与你共同成长。 【你将参与】 1.跟踪前沿 VLA 与具身智能方向论文（如 RT-2、OpenVLA、Pi0、Diffusion Policy、ACT 等），完成数据流程或模型方案复现与实验对比 2.协助机器人数据平台与工程化系统建设，提升数据采集效率、数据一致性与训练稳定性 3.与算法、数据采集、机器人控制团队协作，推动具身智能数据闭环与模型迭代
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。
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。
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。