顺丰VLA算法工程师

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。

1. 推进机器人多模态大模型（VLM/VLA）的工程化落地：涵盖预训练、微调、训练加速和效果调优； 2. 基于issac sim搭建仿真环境验证操作模型，设计real2sim2real迁移框架，加速算法验证与落地； 3. 具身智能算法研发，包括不同数据配比/网络结构/本体构型，在toC场景完成长序列任务和技能泛化； 4. 研发自动化标注算法（2D/3D/VLA等），降低标注成本和提升标注质量； 5. 设计多模态数据（图像、视频和点云等）生成算法，增强数据多样性。

1、设计并实现VLA算法方案，以量产落地为导向，熟悉RT-1/2、pi0等主流多模态具身大模型优劣，改善调优； 2、负责机器人具身操作任务的强化学习算法设计、开发和优化； 优化Sim2Real的迁移技术，提高算法鲁棒性；跟踪前沿技术，进行强化学习算法的调研、性能对比和评估； 3、研究多模态学习方法，结合视觉、触觉、力反馈提升机器人决策能力； 包括VLM的训练与微调，实现模型实际场景的落地需求，多模态数据集的构建、清洗等，提升算法性能和决策质量等。