vivo具身智能算法工程师-实习
任职要求
1、本科及以上学历，机器人学、计算机、自动化、数学、电子信息等相关专业在读， 有实际项目经历、或有代表性工作成果者优先；
2、有良好的沟通能力，自我驱动，对具身智能机器人相关技术充满热情，乐于接触…工作职责
1、跟踪并复现前沿的具身智能算法（如 pi系列、Groot N1系列、dream zero 系列 等），探索视觉-语言-动作模型（VLA）、世界模型在机器人任务中的应用； 2、设计并训练基于强化学习（RL）或模仿学习（IL）等的机器人控制策略（如抓取、搬运、复杂工具使用、全身协同控制）。 3、基于 Isaac Sim / Isaac Gym / MuJoCo / SAPIEN 等物理引擎，搭建高保真的机器仿真环境及任务场景，进行大规模并行训练。 4、解决仿真到现实的迁移问题（Sim-to-Real），将算法模型部署到真实的机械臂、灵巧手、机器狗或人形机器人硬件上，并进行调试与优化。 5、参与构建高质量的具身多模态数据集（视觉、力觉、本体 proprioception、文本指令），优化数据采集（如遥操作 Teleoperation）与自动化标定流程。 6、在导师指导下进行创新性研究，撰写并向顶级学术会议投稿。
1、负责机器人多模态大模型（VLA模型）的工程化落地，包括预训练开发、模型微调、训练优化以及实际效果调优； 2、参与基于大模型的机器决策控制工程化工作，包括训练框架搭建、数据集处理、算力部署，以及在真机上的部署与测试； 3、优化大模型的训练效率以及资源利用率，熟练运用诸如模型并行、Flash Attention、LoRA等技术； 4、负责云端数据处理以及分布式训练落地，优化大模型的多模态任务处理能力； 5、跟进多模态大模型与具身智能的前沿应用进展，负责模型在机器人场景的部署与技术转化。
1. 核心模型研发：负责具身模型的全链路研发，包括数据处理、模型预训练、后训练优化及真机部署，确保模型在实际场景中的高效性和准确性； 2. 数据工程建设：主导大规模机器人数据集的采集、清洗、标注和管理工作，构建高质量的多模态数据pipeline，为模型预训练提供坚实基础； 3. 端到端模型训练：参与具身模型的预训练架构设计，并负责真机环境下的强化学习后训练，实现在线学习能力提升； 4. 前沿技术跟踪：持续跟踪具身智能领域的前沿进展（包括最新论文、开源项目等），快速验证并将先进技术落地到产品中，推动模型性能持续迭代。
VLA基础模型训练，包括但不限于： 1. 跨本体多技能预训练 2. VLA基础模型架构与预训练技术路线探索 3. VLA基础模型训练/推理加速 工作地点：杭州/北京，优先杭州
-课题：一见视觉智能体（AI Watchman）-构建通用视觉Agent，接管传统监控软件，打造数字AI值守员 -多模态大模型产业应用研究： 探索 VLM 在少样本工业场景下的视觉理解与逻辑推理能力，研究基于 Scaling Law 的数据自动清洗与自动化标注技术 -具身智能感知与决策系统： 研究边缘侧的高效感知与执行策略，构建能够理解复杂环境、操作物理/虚拟设备并进行自主决策的智能体 Runtime -自主进化 Agentic MLOps 闭环： 参与设计并实现全栈调试的 Skill 池。负责挂载语义诊断、逻辑参数调优、提示词自动变异与网络模型重设等核心能力，实现完整MLOps 工作流闭环