蔚来校招-具身智能研究员/工程师 (Embodied AI researcher / engineer)
任职要求
- 计算机/机器人/人工智能等相关领域博士（硕士突出者可放宽）； - 深入理解强化学习基本原理、核心算法（PPO、SAC等）及常用框架； - 深入理解大模型（VLM、VLA）开发流程（训练、微调、部署），并有实际项目经历； - 深入理解机…
工作职责
探索具身智能前沿技术，制定技术路线或提升某技术方向（如VLA、自主学习等）。 - 追踪行业技术趋势，统筹内部具身智能研发方向和技术路线； - 领导核心算法研究，如具身交互、感知、操作、仿真、训练等算法，提升具身能力和可靠性； - 推动相关工具建设，高效训练和验证部署，加快具身智能的产品化落地；
（任选其一） 1. 第一人称感知算法开发： 研发基于第一人称视角（Egocentric View）的 3D 人体重建、动作生成、手势追踪及动作捕捉建模算法，从复杂的真实场景中提取高质量的运动指令，助力数据驱动的具身智能算法研究； 2. 高精度人体重建： 利用 SMPL / SMPL-X / MANO等参数化模型、多视角几何及神经渲染等技术，实现对人类动作行为的高精度重建，解决人体自遮挡、大范围运动等困难场景下的稳健估计问题，加速业界前沿的大规模 In-the-wild 人类数据采集和数据处理任务； 3. 动作生成与迁移（Retargeting）： 研究人类动作到异构机器人本体（包括但不限于全尺寸人形本体、灵巧手）的语义映射与动力学对齐，构建从“人类示范”到“机器人策略”的自动化数据管线； 4. 人类数据模型训练： 参与构建人类数据基座模型训练，将第一手模型理解与数据采集实践相结合，为 VLA / WAM 等前沿架构的具身基座模型提供大规模 Human-data 数据，提升机器人在非结构化环境下的泛化能力； 5. 前瞻研究与落地： 跟踪 ICRA / CoRL / RSS / SIGGRAPH / CVPR / ICLR / NeurIPS 等顶级会议趋势，发表高质量论文，并负责算法在真实机器人硬件和可穿戴数据采集硬件上的工程化落地。
LongCat 是美团基础研发自主研发的大模型，覆盖语言、视觉、语音、具身全栈。LongCat 相继推出 LongCat-Flash、LongCat-Flash-Thinking、LongCat-Flash-Omni 等系列模型，正在构建具备世界模型能力的通用智能系统加入团队你将参与如下工作 1. VLA 基座模型演进，探索下一代视觉-语言-动作（VLA）底座，攻克跨本体与跨任务泛化的瓶颈。 2. 世界动作模型（World Action Model, WAM）构建，探索全新的 WAM 核心架构设计，利用视频生成，扩散底座进行时空推演与物理规律自学习，转化为低阶动作序列的最优闭环决策。 3. 具身强化学习， 研发面向复杂长程任务的大规模强化学习框架，提升模型在物理世界中的动态容错与自主策略修正能力。 【为什么是我们】 1.全栈顶配算力支持，依托美团大规模算力集群，提供千卡至万卡级算力支持，具备成熟的分布式训练与低延迟推理优化栈，保障 世界动作模型与 VLA 大规模训练。 2.与优秀人才同行，你将与行业顶尖的大模型研究员及机器人领域专家并肩作战，共同攻克具身智能的技术难点。
参与探索具身智能基础模型的架构和范式，从系统架构、数据策略、模型结构、训练策略等角度切入，参与算法研究、系统工程和数据工程，打造具有更强能力和更高潜力的基座模型。 1.多源数据的合成和处理，包括：egocentric video 数据、仿真数据、UMI 采集数据、真机遥操作数据等 2.具身智能系统的架构设计，Agent 系统、大小脑和 Monitor 等多层次结构 3.模型泛化性探索：无需额外训练实现跨本体多任务；基于少量演示数据作为上下文，增强模型能力；基于自动探索，在线学习新技能。 4.模型全流程，预训练、mid train、SFT、强化学习、部署和评测等 同时参与具身智能方向的前沿研究，可根据个人背景和研究兴趣选择以下方向之一深入推进： 1.具身智能相关的仿真环境、资产、场景、任务自动化生成与重建（3D生成/场景理解） 2.仿真环境内的轨迹自动化生成方法（数据引擎/合成数据） 3.egocentric video 数据的有效使用 4.基于多模态大模型的泛化具身智能 Agent 系统研究 5.模型泛化性研究和主动探索研究 6.其他你坚信路线正确的具身智能前沿方向 【为什么是我们】 1.加入美团 LongCat 基座大模型核心团队，直接参与具身智能方向的原创研究，成果可直接产出论文或落地产品； 2.充足的 GPU 算力资源支持，研究不卡资源； 3.多位在 AI、机器人、计算机图形学领域有丰富发表经验的前辈一对一指导，快速成长； 4.追求卓越和鼓励创新的团队氛围。
从多模态大模型基座延伸到具身智能，我们的目标是做到具身智能的“GPT时刻”，具备test-time zero-shot/few-shot的跨本体、跨任务泛化。在这个过程中，我们进行具身智能在泛化能力评测分析和关键迭代路径的探索，包括但不限于 1.探索激发多模态大模型Training-Free泛化能力的Data-Scaling方案（包括VLA和VA），迁移人类数据到具身本体，包括latent action和unified model等方向； 2.探索通过世界模型作为物理仿真引擎的进阶，兼顾仿真和真机的优点，实现泛化评测、强化学习和多样性数据合成； 3.探索通过环境交互的在线强化学习，涉及仿真环境的搭建、数据合成和真机实验，研究通过自我进化的下一代智能提升的关键途径； 【为什么是我们】 一起建立行业评测标杆，推动行业认知进展，代表工作包括： 1.LARYBench 行业首个具身动作表征评测基准，揭示了动作表征的data-scaling潜力和迭代路径。 2.WBench 行业首个统一多轮交互世界模型评测基准，将广义世界模型拉到同一参考空间进行维度全面的度量。 3.UniHetero 行业首个验证生成能促进理解的unified model，以简洁的结构在大规模数据上得到更好的data-scaling趋势。