安克创新具身操作算法工程师实习生（触觉与多模态方向）
任职要求
任职要求 1.算法基础： 熟悉Python，掌握PyTorch等主流深度学习框架，具有良好的代码能力。 2.深度学习基础： 熟悉Transformer、多模态学习或生成式模型等相关方向，对模型训练与实验分析有一定经验。 3.具身智能认知： 对机器人操作、模仿学习（Imitation Learning）、VLA、Diffusion Policy等技术方向有一定了解，对多模态感知与机器人算法充满兴趣。 4.学习能力： 具备良好的论文阅读能力…
工作职责
我们正在寻找一位对具身智能（Embodied AI）与机器人操作有浓厚兴趣的研发实习生。您将在资深研究员和工程师的指导下，参与机器人触觉感知与多模态学习算法研发，探索视觉、触觉、语言及机器人状态等多源信息的融合建模。 您将参与构建面向真实机器人操作场景的感知与策略模型，研究触觉信息在机器人精细操作中的作用，并参与从数据处理、模型训练到真机验证的完整研发流程，为下一代具身智能模型（VLA、Diffusion Policy等）提供核心算法支持。 岗位职责 1.触觉感知算法研发： 参与机器人触觉表示学习与Touch Encoder开发，探索触觉信息建模及多模态融合方法，提升机器人对接触状态、受力变化及操作过程的感知能力。 2.多模态模型开发： 参与视觉、触觉、语言、本体状态（Pose / Joint）等多模态信息融合，支持VLA、Diffusion Policy等模型训练与优化。 3.机器人操作算法研究： 参与接触密集（Contact-rich）场景下的机器人操作算法开发，探索触觉辅助抓取、装配、插接等精细操作任务。 4.模型训练与实验验证： 参与机器人数据处理、模型训练、实验评测及真实机器人验证，持续优化模型性能与泛化能力。
1. 负责高自由度灵巧手操作算法研发，围绕多指灵巧手抓取、手内操作、柔性物体操作、工具使用等灵巧操作任务； 2. 负责设计并实现基于强化学习（RL）/模仿学习（IL）的操作策略训练框架，推动从单任务策略到多任务统一模型的演进； 3. 负责搭建和优化数据闭环，包括真机数据优化、仿真数据优化、训练集构建与评测体系设计； 4. 负责推动Sim2Real迁移，解决模型在真实机器人系统中的鲁棒性、实时性、泛化性与部署问题； 5. 跟进灵巧操作前沿算法，提升长时序、多阶段操作任务的规划与执行能力，并探索前沿算法在公司产品中的落地。
1.参与具身智能操作基座模型的研发，通过设计创新的VLA、WA等算法，构建行业领先的通用操作能力。 2.跟踪具身智能、机器人通用操作领域国际顶会顶刊最新研究动态，挖掘创新技术方向与落地场景，提出可落地的技术解决方案，持续优化算法性能与模型泛化能力
1.参与具身智能操作基座模型的研发，通过设计创新的VLA、WA等算法，构建行业领先的通用操作能力。 2.跟踪具身智能、机器人通用操作领域国际顶会顶刊最新研究动态，挖掘创新技术方向与落地场景，提出可落地的技术解决方案，持续优化算法性能与模型泛化能力
安克实习生项目是面向正式校招岗位的人才培养与选拔通道。实习期间将按照校招标准进行系统的培养与综合评估，表现优秀者可直接获得校招转正机会，提前锁定正式校招席位。我们以严肃、长期的视角对待每一位实习生，也期待与你共同成长。 【你将参与】 1.参与具身操作模型（VA/VLA/WAM）的监督微调（SFT）和强化学习（RL），包括数据格式设计、训练配置、效果评估与 benchmark 分析 2.负责在真实机器人平台上设计并实施 RL 训练方案，通过真机数据迭代提升具身操作模型在复杂、非结构化环境下的泛化能力与鲁棒性 3.参与设计与训练通用奖励模型，通过奖励模型引导，实现长程任务（Long-horizon tasks）下的高效真机强化学习 4.跟踪前沿具身智能方向论文，探索基础模型与 RL 结合的最新技术，推动其在真机任务中的表现超越传统模仿学习方法