高德地图具身智能仿真算法实习生（Sim2Real方向）
任职要求
任职要求 1. 计算机、机器人、图形学、自动化或相关专业在读硕士/博士，或优秀本科生； 2. 熟练掌握 Python，熟悉 PyTorch，具备良好的工程实现与算法复现能力； 3. 有 NVIDIA Isaac Sim / Omniverse 使用经验，了解 USD、URDF 等机器人描述格式；具备机器人仿真环境搭建、任务开发与调试的实际经验（如使用过 Libero、SimpleEnv 等）优先； 4. 有 3D 场景生成、神经渲染（NeRF / 3D…
工作职责
岗位职责 1. 定制化3D仿真场景与资产构建，实现多样化任务的3D场景的程序化生成。同时结合 3D Gaussian Splatting (3D-GS)等技术，优化场景的Real2Sim视觉质量； 2. 支持物体布局优化和材质、光照、相机的随机化建模等，提升仿真数据的多样性与真实性，系统性缩小 sim2real gap； 3. 协助搭建基于 NVIDIA Isaac Sim 的高保真、可扩展的机器人仿真平台，构建自动化评测流程，支持具身智能体的训练与评测；协助采集机器人操作轨迹，生成海量仿真数据，进行Benchmark和Sim2Real的实验； 4. 复现和集成前沿算法，投稿高质量会议论文。
1. 参与机器人/自动驾驶场景下4D 动态场景重建、空间表征、多模态融合算法研发，攻克动态视图融合、4D 神经场、时空推理等关键技术； 2. 结合具身智能、世界模型、4D 基础模型，构建高保真动态环境表征与仿真能力，提升模型空间理解、场景记忆与时空推理水平； 3. 搭建具身智能合成数据生成与仿真体系，利用生成式AI、4D重建、神经场技术构建大规模训练数据与仿真环境，实现Sim2Real迁移，完善数据-算法-仿真-评估闭环迭代。
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。
我们正在寻找对通用具身智能前沿研究充满热情的实习生，参与构建下一代多任务、多场景统一的具身基础大模型。本项目聚焦三大核心挑战：跨任务泛化的通用能力建模、仿真到现实（Sim2Real）的迁移鸿沟弥合、以及大规模高质量具身交互数据的自动化构建与评测。 你将深度参与以下关键方向： 1. 研发支持视觉-语言-动作（VLA）统一建模的具身基础大模型，实现零样本/少样本下的跨任务感知、理解与决策； 2. 构建高保真机器人仿真平台与世界模型（World Modeling）渲染系统，提升仿真环境的真实性与动态交互能力，缩小 Sim2Real 差距； 3. 构建大规模具身交互数据集，融合真实采集与基于世界模型的自动化生成，并配套建立标准化、可扩展的自动化评测体系； 4. 设计轻量化推理算法与部署框架，将大模型高效运行于真实机器人硬件（如 Franka、UR、Stretch 等），完成闭环验证与迭代优化。 优秀成果可形成专利/论文，或发布开源社区
我们正在寻找富有创造力和技术能力的具身智能仿真算法实习生，专注于机器人在manipulation任务中仿真环境搭建与迁移。您将参与构建多样化的机器人任务场景，优化sim2real gap，基于仿真的机器人manipulation算法效果评估，使机器人能够高效准确的自主完成各种有挑战的manipulation任务。 负责仿真环境的搭建与迁移，涵盖机器人运动学、动力学、传感器仿真、物理环境交互仿真等； 负责仿真场景库和仿真评测指标的建立、维护和应用，构建多样化的机器人任务场景； 深入分析并解决sim2real gap问题，确保仿真环境与真实环境之间的有效转化。