vivoVLA算法工程师-27届蓝极星
任职要求
1、计算机科学与技术、自动化、控制工程等相关专业，2 年及以上机器人相关研发经验，熟悉VLA、世界模型、强化学习等操作模型，有真机落地项目经验者优先； 2、深入理解主流VLA算法(PI系列、RT系列、Dreamzero等)以及强化学习算法(PPO、GRPO、SAC等)原理与实现，有独立的算法研发与优化经验； 3、…
工作职责
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、负责面向海外市场的自动驾驶生成式世界模型（Generative World Model）的研究、开发与量产落地，重点方向包括但不限于： （1）驾驶场景生成与未来预测：基于扩散模型 / 自回归等生成式架构，实现动作可控（action-conditioned）、多视角一致、长时序稳定的驾驶环境视频生成与演化预测； （2）生成式数据引擎：面向海外长尾场景进行数据合成、增广与跨地域风格迁移，系统性缓解海外数据稀缺问题。 2、负责VLA（Vision-Language-Action）大模型在海外场景的研究、开发与量产落地，重点方向包括但不限于： （1）海外场景理解与推理能力：构建面向海外交通体系的多模态理解与推理能力，覆盖本地化交通标志/标线/信号灯体系与交规语义理解，提升 VLA 模型在海外场景下的决策能力； （2）分析各国道路结构、交通规则与驾驶习惯差异，设计跨地域泛化的训练策略与评测体系，支撑海外量产项目交付； 3、构建海外数据闭环：与数据、仿真、量产工程团队协作，完成数据集构建与分析、清洗与标注、模型评估与持续迭代，并满足海外数据合规要求。
1、负责机器人大模型和室内语义导航技术方案设计与实现； 2、负责任务规划与控制策略，提升系统的泛化性与灵活性，以及物理执行模块高效性； 3、构建面向物流作业场景的VLA数据集与仿真环境；
通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备多模态、多语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从亿级到万亿级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 在此基础上，我们致力于研究Qwen面向具身智能领域的下一代基础模型，将Qwen强大的认知与推理能力赋予物理世界的机器人智能体，打破数字世界与物理世界的壁垒。团队的目标是研发能够理解人类意图、感知物理环境、并自主规划执行复杂任务的通用具身基础模型。我们相信，通过融合前沿的多模态大模型与机器人技术，我们将开创通用人工智能的下一个篇章，让AI真正走进并服务于现实生活。 工作职责： 1. 具身基础模型研究：构建面向机器人的多模态基础模型，将视觉语言模型与机器人中心的物理世界理解与决策深度融合，构建具身领域的高质量的大规模真实与仿真数据集，设计并训练支持感知、动作、记忆、规划与语言理解统一的具身基础模型。 2. 测评基准建立：构建面向机器人多模态基础模型的能力基准，设计有效的测试基准，持续构建能反映基础模型在物理世界真实能力的高效测评系统。 3. 软硬件系统整合部署：构建机器人软硬件一体化系统，将算法部署在真实机器人平台（如机械臂、人形机器人）上，进行端到端的验证与迭代，推动研究成果的实际落地。
围绕智能辅助驾驶技术，探索以量产为目标的前沿方向，工作职责包括但不限于： 探索 LLM、VLM、VLA 等技术在智能辅助驾驶领域的应用范式，推进高阶辅助驾驶能力的迭代升级。 负责核心模型与算法的研发与优化，包括数据处理、模型设计、训练与部署，提升模型在多种驾驶场景下的性能与稳定性。