安克创新AI与具身智能-【博士专项】

1. 技术路线与架构 - 制定“感知-决策-控制-学习”一体化技术路线图，平衡实时性、精度与成本。 - 设计分层开放架构：硬件抽象层 HAL、中间件 Embodied SDK、AI 服务层、数字孪生层。 2. 场景二次开发 - 带领跨学科团队（感知、规划、控制、机械、测试、产品）完成场景需求→功能分解→指标量化→迭代交付。 - 主导关键算法选型/自研：VLM 细粒度物体位姿估计、模仿学习+强化学习混合策略、全身协同柔顺控制。 3. 硬件改动与选型 - 评估并最小化本体改动：末端执行器快换、传感器加装（腕部 6D 力觉、3D ToF、语义相机）、算力升级（Orin/NX 边缘计算盒）。 - 建立外设生态库，制定电气/机械/通讯接口标准，实现“Plug & Play”二次开发。 4. 数据闭环与仿真 - 搭建“Real2Sim2Real”数据引擎：真实数据采集→自动标注→数字孪生训练→模型回灌→OTA 升级。 - 推动基于 NeRF/Gaussian Splatting 的场景快速重建，把新环境建模时间从 1 周缩短到 1 小时。 5. 质量与合规 - 制定并落地二次开发 V 模型：需求→系统→单元→HIL→现场验证→安全认证（CE/CR/防爆/KC）。 - 建立故障追溯体系，实现“一小时定位、一天给出补丁、一周 OTA 闭环”。 6. 团队与外部合作 - 30+ 人团队组建与培养：算法/工程/测试/PM/运维；建立技术晋升与专利激励制度。 - 主导与高校/芯片/云厂商/集成商的战略项目，争取政府及 EU Horizon 具身智能专项经费。

通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 视觉语言理解能力是Qwen最重要的能力之一，围绕 LLM 建设出具有视觉深度理解与推理能力的基座模型是团队的必经之路。结合视觉理解和推理能力的基础模型，将拓展到视频理解，GUI Agent，以及VLA 和机器人等场景中。团队负责：1）多模态基础模型的研发，包括融合视觉语言的跨模态理解模型设计，提升视觉基础模型在图像/视频中的视觉知识、空间感知、Omni Parsing等核心能力，并优化多模态大模型AI infra；2）探索多模态Agent和推理能力，构建支持网络世界（PC/Mobile/Web/游戏）交互的通用智能体；3）研究生成与理解统一的模型架构，实现跨模态生成与推理的协同优化。 工作职责 1. 多模态Pre-training：开展研究及进行实验。研究内容包括：数据清洗与筛选、数据配比优化、课程学习、视觉语言模型结构设计与优化、训练策略优化、预训练数据合成、scaling law预测、词表优化、模型蒸馏与压缩、长上下文能力优化等。 2. 多模态Post-training：迭代Post-training训练策略（SFT/RLHF），专项能力数据迭代，参与模型能力评测及评测数据和评估标准的迭代。 3. 多模态推理和通用Agent：通过强化学习（RL）持续提升多模态模型推理能力和执行任务能力，打造多模态的Test Scaling Laws，并推动模型对网络和虚拟世界的交互和任务完成能力。 4. 统一理解生成：构建视觉统一理解生成大模型，推进多模态统一生成与理解的推理和交互新范式。

通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备多模态、多语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从亿级到万亿级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 若你对以下一个或者多个方向感兴趣均欢迎投递： 1）多模态基础模型的研发，包括融合视觉语言的跨模态理解模型设计，提升视觉基础模型在图像/视频中的视觉知识、空间感知、Omni Parsing 等核心能力，并同时优化多模态大模型的AI infra。 2）通过强化学习（RL）持续提升多模态模型推理能力和执行任务能力，构建支持网络世界（PC/Mobile/Web/游戏）交互的通用智能体，将相关能力拓展到GUI agent，VLA，以及具身智能场景中。 3）研究理解与生成统一的模型架构，实现跨模态生成与推理的协同优化。 工作职责： 1. 多模态 pre-training：开展研究及进行实验，研究内容包括：数据清洗筛选、数据配比优化、课程学习、视觉语言模型结构设计与优化、训练策略优化、预训练数据合成、scaling law 预测、词表优化、模型蒸馏与压缩、长上下文能力优化等。 2. 多模态 post-training：迭代 post-training 训练策略（SFT/RLHF），专项能力数据迭代，参与模型能力评测及评测数据和评估标准的迭代。 3. 多模态推理和通用 agent：通过强化学习（RL）持续提升多模态模型推理能力和执行任务能力，打造多模态的 test scaling laws，并推动模型对网络和虚拟世界的交互和任务完成能力。 4. 统一理解生成：构建视觉统一理解生成大模型，推进多模态统一生成与理解的推理和交互新范式。

我们致力于构建下一代 空间智能（Spatial Intelligence）系统，让AI不仅能“看懂世界”，更能理解空间结构、推理物体关系、规划行动轨迹，并在虚拟或真实环境中持续学习与演化。 你将与团队一起： 研发具备空间理解、物体感知、轨迹预测与交互规划能力的智能体模型； 构建融合 视觉语言模型（VLM）与世界模型（World Model） 的系统，实现3D场景、深度、物理与可供性（Affordance）的联合建模； 使用 Game Engine（Unreal / Unity / Isaac Sim） 搭建高保真虚拟环境，用于数据生成与智能体评测； 基于 vLLM / Ray 构建高效多模态数据管线，实现大规模生成、自动标注与验证； 推动空间智能在机器人与具身智能领域的应用落地。