得物具身机器人模型算法实习生
任职要求
职位要求 1. 计算机、数学、人工智能等相关专业硕士及以上学历，有具身智能领域背景者优先； 2. 熟悉多模态领域算法，熟悉Llava、QwenVL等基础VLM模型；熟悉OpenVLA、RT-2、Pi0、RDT等基础VLA模型；熟悉NLP领域算法，熟悉Ber…
工作职责
1. 参与多模态理解与生成大模型、VLA大模型所需的数据清洗和自动标注系统开发，确保各类型/模态数据的质量与多样性，探索高效的数据增强和数据合成方法； 2. 机器人领域大模型的数据采集设计、数据管理、数据质量评测 3. 机器人领域大模型的算法训练，保证模型在多任务、多机器本体的成功应用，机器人大模型训练统一框架的设计 4. 复现并优化主流具身智能范式：如 Diffusion Policy、RT-2、Octo、GR00T、π0、π0.5、πRL等； 5. 将训练好的VLA/VLN模型部署至真实机器人平台
工程岗位的职责包括以下至少一个或多个方向： 1. 具身机器人应用解决方案研发 （1）参与多模态/具身智能机器人在真实场景中的应用方案设计、系统集成与验证。 （2）搭建端到端具身机器人任务pipeline，包括感知、理解、规划、控制、执行等模块的工程化实现。 （3）推动具身智能大模型能力在机器人实际任务中的落地优化（如操作、导航、交互等）。 2. 具身大模型数据采集与处理 （1）负责机器人数据采集系统搭建，包括传感器标定、采集流程、数据质量控制与自动化工具链。 （2）建设具身大模型训练数据pipeline：数据清洗、切分、标注、同步、增强、格式转换等工程化流程。 （3）参与构建多模态数据集（视频、RGB-D、触觉、关节状态、语言指令等）。 3. 具身大模型云端训练与推理优化 （1）基于GPU/加速器的训练平台优化具身大模型训练性能（并行策略、数据流优化、算子优化）。 （2）负责推理引擎优化，包括模型裁剪、编译器优化、图优化、缓存管理、多线程并发调度等。 （3） 参与构建具身智能模型的训练与推理服务基础设施（MLOps、分布式训练、数据版本管理等）。 4. 端侧模型量化部署与优化 （1）主导端侧模型的压缩、量化（INT8/FP8/混合精度等）、剪枝、蒸馏等部署优化工作。 （2）熟悉ONNXRuntime、TensorRT、TFLite、NPU/DSP编译工具链，进行端侧加加速与算子调优。 （3）推动具身大模型在机器人嵌入式/边缘计算平台上的高效部署。 5. 机器人操作系统与系统优化 （1）优化机器人操作系统（ROS2、RTOS、Linux）性能，包括实时性、通信延迟、资源调度、驱动层稳定性等。 （2）推动机器人软硬件协同优化，包括传感器驱动、控制链路优化、系统级profiling/debugging。 （3）支撑机器人任务的稳定运行与系统级可靠性优化。
1. 机器人模型资产与 URDF 工具链： * 维护人形机器人的 URDF/Xacro、运动学树、关节定义、关节限制和碰撞模型； * 建设机器人模型静态检查、真机一致性检查和回归测试工具； * 开发自动化或半自动化的 URDF 参数修正工具； * 将修正结果以配置文件或版本化模型的方式发布，支持审核、对比、回滚和批量部署。 2. 在线标定检查与受控修正： * 建设人形机器人上电、采集前及运行过程中的标定健康检查能力； * 对手眼标定、多相机之间标定以及相机外参进行在线一致性检查； * 基于重投影误差、运动闭环误差、末端一致性误差等指标检测标定漂移； * 开发引导式或半自动化重标定流程； * 支持标定参数的受控更新、验证、版本记录和异常回滚； * 建立标定状态看板、告警机制和数据采集准入条件。
1、参与VLA模型在仿真环境中的部署与运行，支持数据采集、任务执行与结果统计； 2、参与LLM/VLM/VLA模型的工程化训练与推理流程搭建，支持模型在不同配置下的运行与评测； 3、参与模型压缩、量化、推理加速等工程优化工作，对不同方案进行实验验证与性能对比； 4、配合完成模型部署相关的脚本、工具与文档，提升整体工程稳定性与可复现性。
