理想汽车【人形机器人】具身智能体工程师

“理想+”是理想汽车面向全球顶尖技术人才的校园招聘计划。我们期待你的加入，与理想汽车一起成长、分享收获，通过人工智能技术去改变物理世界的效率和体验，造福我们服务的每一个家庭，以及家庭里的每一位成员。 【本岗位的主要工作内容】 1. 核心算法研发：负责具身智能大模型（VLA，即视觉语言行动模型）的核心算法设计与优化，重点突破多模态指令理解、复杂任务决策、长时序动作规划等关键技术，推动模型在真实机器人场景下的零样本/少样本泛化能力； 2. 端到端模型与系统设计：主导机器人端到端感知-决策-控制一体化模型的研究与落地，探索扩散策略、世界模型、强化学习等前沿技术在具身智能系统中的融合应用，实现从仿真到现实（Sim2Real）的高效迁移； 3. 数据驱动模型闭环：设计并构建大规模、高质量的多模态数据（视频、力觉、触觉、文本）采集、清洗、标注与仿真生成pipeline，主导数据-模型联合迭代优化，解决长尾分布与数据稀缺问题； 4. 仿真与真实世界对齐：负责高保真仿真环境的动力学建模、场景生成与传感器仿真，研究领域随机化与领域自适应技术，缩小仿真与现实之间的差距，提升模型在真实物理世界的部署性能； 5. 前沿技术探索与转化：跟踪并引领具身智能、机器人学、计算机视觉、自然语言处理交叉领域的前沿技术动态，主导关键技术难点的攻关，发表高水平论文并申请核心发明专利，推动研究成果向实际产品的技术转化。 【技术课题】 下一代具身智能大脑研究

“理想+”是理想汽车面向全球顶尖技术人才的校园招聘计划。我们期待你的加入，与理想汽车一起成长、分享收获，通过人工智能技术去改变物理世界的效率和体验，造福我们服务的每一个家庭，以及家庭里的每一位成员。 【本岗位的主要工作内容】 1. 核心算法研发：负责具身智能大模型（VLA，即视觉语言行动模型）的核心算法设计与优化，重点突破多模态指令理解、复杂任务决策、长时序动作规划等关键技术，推动模型在真实机器人场景下的零样本/少样本泛化能力； 2. 端到端模型与系统设计：主导机器人端到端感知-决策-控制一体化模型的研究与落地，探索扩散策略、世界模型、强化学习等前沿技术在具身智能系统中的融合应用，实现从仿真到现实（Sim2Real）的高效迁移； 3. 数据驱动模型闭环：设计并构建大规模、高质量的多模态数据（视频、力觉、触觉、文本）采集、清洗、标注与仿真生成pipeline，主导数据-模型联合迭代优化，解决长尾分布与数据稀缺问题； 4. 仿真与真实世界对齐：负责高保真仿真环境的动力学建模、场景生成与传感器仿真，研究领域随机化与领域自适应技术，缩小仿真与现实之间的差距，提升模型在真实物理世界的部署性能； 5. 前沿技术探索与转化：跟踪并引领具身智能、机器人学、计算机视觉、自然语言处理交叉领域的前沿技术动态，主导关键技术难点的攻关，发表高水平论文并申请核心发明专利，推动研究成果向实际产品的技术转化。 【技术课题】 下一代具身智能大脑研究

“理想+”是理想汽车面向全球顶尖技术人才的校园招聘计划。我们期待你的加入，与理想汽车一起成长、分享收获，通过人工智能技术去改变物理世界的效率和体验，造福我们服务的每一个家庭，以及家庭里的每一位成员。 【本岗位的主要工作内容】 1. 负责具身智能运控方向前沿算法研究与核心技术攻关，围绕感知—决策—控制一体化，重点突破全身控制、多接触运动控制、灵巧操作及通用移动操作导航等关键问题； 2. 主导大小脑融合系统架构与关键算法设计，打通高层任务理解、技能决策与底层实时控制，构建兼具鲁棒性、实时性与可扩展性的具身执行闭环； 3. 面向人形机器人及多形态机器人平台，研发具备泛化能力的小脑基座模型，沉淀全身动作先验与技能表征能力，提升机器人在运动、操作与交互任务中的统一建模、动作生成、动作选择与迁移能力； 4. 围绕视觉、语音、文本、触觉等多模态信息，开展感知与控制深度融合研究，支撑机器人在复杂交互、操作及部署态场景下的全身动作生成、闭环调节与自主执行； 5. 负责从数据构建、模型训练、仿真评测到真机部署的全链路研发，建设数据——仿真——评测闭环，推进 Locomotion 、 Navigation、 Manipulation 在统一框架下的高效融合，加速 Sim2Real 迁移与工程化落地 6. 探索强化学习、模仿学习、生成模型、世界模型及数据驱动方法在具身运控中的融合应用，构建面向高动态环境与未来通用机器人平台的核心能力底座。 【技术课题】 通用具身小脑模型研究

“理想+”是理想汽车面向全球顶尖技术人才的校园招聘计划。我们期待你的加入，与理想汽车一起成长、分享收获，通过人工智能技术去改变物理世界的效率和体验，造福我们服务的每一个家庭，以及家庭里的每一位成员。 【本岗位的主要工作内容】 1. 负责具身智能运控方向前沿算法研究与核心技术攻关，围绕感知—决策—控制一体化，重点突破全身控制、多接触运动控制、灵巧操作及通用移动操作导航等关键问题； 2. 主导大小脑融合系统架构与关键算法设计，打通高层任务理解、技能决策与底层实时控制，构建兼具鲁棒性、实时性与可扩展性的具身执行闭环； 3. 面向人形机器人及多形态机器人平台，研发具备泛化能力的小脑基座模型，沉淀全身动作先验与技能表征能力，提升机器人在运动、操作与交互任务中的统一建模、动作生成、动作选择与迁移能力； 4. 围绕视觉、语音、文本、触觉等多模态信息，开展感知与控制深度融合研究，支撑机器人在复杂交互、操作及部署态场景下的全身动作生成、闭环调节与自主执行； 5. 负责从数据构建、模型训练、仿真评测到真机部署的全链路研发，建设数据——仿真——评测闭环，推进 Locomotion 、 Navigation、 Manipulation 在统一框架下的高效融合，加速 Sim2Real 迁移与工程化落地 6. 探索强化学习、模仿学习、生成模型、世界模型及数据驱动方法在具身运控中的融合应用，构建面向高动态环境与未来通用机器人平台的核心能力底座。 【技术课题】 通用具身小脑模型研究