商汤元萝卜-视觉算法实习生（算法开发方向）

1. 参与家用机器人产品的视觉解决方案的设计和验证； 2. 参与计算机视觉和图像处理相关算法的工程化实现，包括接口设计、代码框架设计、C/C++代码编写，以及参与维护、更新和发布算法sdk； 3. 参与机器人领域关键算法的预研和落地。

1、模型复现与实现：复现当前主流的开源VLA模型(如GR00T/ π0.5/SmoIVLA/WALL-OSS等)，确保算法正确性和性能。 2、系统集成与测试：将VLA模型集成到公司机器人平台，设计并执行测试方案，评估模型在真实环境中的感知、推理与执行能力。 3、算法优化与创新：针对机器人具体应用场景，对VLA模型进行微调、优化及创新，提升其在复杂环境下的适应性和鲁棒性。 4、多模态数据处理：处理视觉、语言和动作数据，构建和优化训练数据集，支持模型的训练和评估。 5、技术跟踪与报告：跟踪VLA领域的最新研究进展，撰写技术报告，并参与团队技术讨论与分享。

1. 参与基于深度学习或经典方法的家用机器人视觉任务的开发和落地； 2. 参与基于深度学习/强化学习的决策算法开发和落地； 3. 参与模型部署，及端侧轻量型算法的研究。

1.环境感知与目标识别：基于深度相机（如RealSense）的RGB-D数据，开发实时环境感知算法，实现家庭场景下的目标检测、图像分割、物体识别（如餐具、家具）及场景理解。 2.三维视觉与抓取支持：利用点云数据研发物体姿态估计、三维重建算法，为机械臂抓取提供精准位姿信息，优化抓取点检测。 3.视觉SLAM与定位（可选）：实现视觉SLAM算法，融合多传感器数据（如IMU），构建室内环境地图并支持机器人自主导航与定位。 4.多模态融合与系统集成：协同控制与算法团队，将视觉感知结果与语言指令、控制策略结合，为视觉-语言-行动模型提供输入，并适配ROS2等机器人系统。 5.算法优化与创新：跟踪前沿视觉算法（如Transformer、基础模型），针对嵌入式平台（如Jetson）进行模型压缩、推理加速，提升实时性与鲁棒性。