小鹏汽车具身智能算法实习生（VLA预训练方向）
任职要求
1、计算机、人工智能、自动化等相关专业本科及以上学历（硕士优先）； 2、具备扎实的深度学习基础，熟悉 Transformer 架构，对 ViT、CLIP、LLaVA 等主流模型有深入理解； 3、有大模型（VLM、LLM）训练经验，熟悉其在多模态任务中的应用； 4、对机器人技术有浓厚兴趣，愿意参与真机测试等实践性工作； 5、熟练使用 PyTo…
工作职责
【关于机器人中心】 小鹏机器人中心专注于构建面向未来的人形机器人系统，融合先进的人工智能（AI）、控制、机械与系统工程，打造能感知、理解、操作并能和现实世界进行交互的下一代机器人。 【关于团队】 该部门承担前沿智能方法的预研工作，专注于实现机器人三大核心智能能力：自主移动（导航）、灵巧操作和人机交互。我们深入布局大语言模型（LLM）、多模态视觉语言模型（VLM）和视觉语言行动模型（VLA），实现全流程自研，推动机器人从感知到决策的全面智能化落地。 团队成员遍布深圳、上海和美国硅谷，聚集了世界一流的科研与工程人才。在这里，你将参与推动 LLM/VLM/VLA 与机器人智能体的融合，并在真实的物理世界中验证你的算法。 1、算法参与：参与多模态大模型（VLM/VLA）在人形机器人上的算法研究与开发，协助进行VLA预训练泛化性的研究与验证； 2、模型优化：协助进行VLA模型的训练与真机效果评估，支持机器人在复杂环境下的感知与行为能力； 3、实验验证： 学习并参与模型在机器人真机中的部署与测试，在真实环境中验证和优化模型性能，积累宝贵的行业前沿机器人实际操作经验； 4、前沿追踪： 跟踪 Embodied AI（具身智能）领域的最新的论文和开源动向。
1.参与足式机器人全身运动控制（Locomotion）算法的设计与优化，构建行业领先的运控基座模型。 2.参与机器人视觉语言导航（VLN）算法的设计和优化，实现开集语言交互下的通用环境导航能力。
负责VLA（视觉-语言-行动）多模态大模型在自动驾驶和机器人场景中的前沿算法研究，涵盖场景理解、语义引导决策、时空建模等核心能力； 主导VLA模型预研，构建可泛化、高可解释性的多模态基座大模型，为未来6~12个月技术演进提供基础支撑； 与高校及实习生协作，探索VLA的长期发展方向，包括表征学习，具身智能、慢系统蒸馏快系统等核心议题； 撰写高水平论文、技术文档，推动VLA方向在CVPR、NeurIPS、ICLR、CoRL等会议中的学术影响力。
深度参与具身智能“感知-决策-行动”技术全链路的技术攻关，在以下一个或多个方向上进行深入研究： 1. 感知与决策规划：提升多模态大模型在具身场景下的能力表现，包括在复杂动态环境中对环境的空间理解，以及对复合任务的任务步骤拆解与任务状态判断能力。 2. 行动与控制：基于真机示教数据、增广数据以及海量互联网视频数据，训练机器人掌握高精度的操作技能。在机器人上研究并实践强化学习算法，优化机器人的动作策略，提升其在物理世界中的动作鲁棒性和技能泛化。 3. 数据增广：通过仿真和world model等方式对真机遥操数据进行规模化增广，探索如何解决真机遥操数据的稀缺问题。
深度参与具身智能“感知-决策-行动”技术全链路的技术攻关，在以下一个或多个方向上进行深入研究： 1. 感知与决策规划：提升多模态大模型在具身场景下的能力表现，包括在复杂动态环境中对环境的空间理解，以及对复合任务的任务步骤拆解与任务状态判断能力。 2. 行动与控制：基于真机示教数据、增广数据以及海量互联网视频数据，训练机器人掌握高精度的操作技能。在机器人上研究并实践强化学习算法，优化机器人的动作策略，提升其在物理世界中的动作鲁棒性和技能泛化。 3. 数据增广：通过仿真和world model等方式对真机遥操数据进行规模化增广，探索如何解决真机遥操数据的稀缺问题。