小鹏汽车VLA/VLN算法实习生
任职要求
任职要求 - 计算机科学、人工智能、自动化等相关专业硕士/博士在读； - 扎实的编程能力：熟练掌握Python，有良好的代码习惯； - 熟悉深度学习：熟练使用PyTorch，有模型训练与调优经验； - 了解Transformer架构及VLM/LLM基本原理； - 具备较强的论文阅读与复现能力； - 每周至少能保证5天实习时间，实习期不少于6个月。 加分项： - 了解视觉导航方法（PointGoal Nav、ObjectGoa…
工作职责
1. VLA/VLN算法开发：研究并实现Vision-Language-Action (VLA) / Vision-Language Navigation（VLN）算法，使机器人能够根据自然语言指令以及当前场景进行自主移动； 2. 多模态融合：开发视觉、语言、地图等多模态信息融合模块，提升导航决策的准确性； 3. 场景理解：实现基于视觉和语言的场景语义理解，支持复杂环境下的目标定位与路径规划； 4. 模型训练与优化：负责VLA/VLN模型的训练、调优及推理性能优化； 5. 数据与评测：参与导航数据集构建、评测指标设计及Benchmark开发。
我们是谁？ 具身智能AI算法团队，致力于打造自主研发的机器人产品。我们正组建一支以AI技术为基石、汇聚多领域顶尖人才的全栈自研算法团队，目标是构建能够与物理世界交互、具备自主理解决策、自主行动的智能机器人 1、主导或深度参与VLA/LBM模型的架构设计、训练策略优化与多模态对齐机制研究，提升智能体在开放环境中的泛化与推理能力； 2、构建面向具身智能的空间计算系统，包括但不限于：3D场景理解、动态环境建模、跨模态空间表征学习、物理交互预测等； 3、探索基础感知技术（如多传感器融合、SLAM、NeRF、3D生成等）与大模型的深度融合，实现端到端的具身智能决策； 4、与机器人平台、仿真系统、产品团队紧密协作，推动算法在真实硬件或虚拟环境中的部署与验证； 5、跟踪并引领国际前沿进展，在顶级会议（如 NeurIPS, ICML, CVPR, ICLR, RSS, CoRL 等）发表高水平成果，构建技术壁垒。
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VLA自动驾驶大模型的研发及在车端量产落地等工作； 2、解决VLA在实际量产项目中的问题，基于 Agent 开发自动化问题分析工具； 3、参与构建高质量 VLA Benchmark 系统，包括场景挖掘、难例挖掘及模型评测（Reward Model）等。
多模态大模型（VLA：Vision-Language-Action）算法的预研, 包含但不限于： 1. 研究视觉、语言与行为动作之间的联合建模机制，探索多模态预训练与表征学习方法，实现跨模态对齐与融合； 2. 多模态数据集的构建与管理，包括视觉、语言、行为等多模态标签设计与质量控制； 3. 探索模型蒸馏、小样本泛化等技术，推动模型在自动驾驶复杂场景中的部署效率； 4. 跟进并复现前沿研究（如 EMMA、RT-2、OpenVLA等），协助撰写技术报告、论文或专利材料。 5. 深入调研并实践 RLHF / DPO 等对齐技术，提升多模态模型的响应能力与行为决策能力； 6. 撰写高质量的技术文档，参与论文发表或专利申请。