岗位职责：
1.VLA模型架构创新与研发：主导机器人视觉-语言-动作（VLA）大模型的结构设计、算法开发与工程实现，突破多模态特征高效对齐、动作序列生成及推理优化等核心技术瓶颈，显著增强模型在机器人操作、自动驾驶等复杂场景下的端到端任务执行性能；
2.机器人多模态智能系统构建：设计并落地融合视觉、语言与动作信号的联合训练体系，研发基于Transformer或扩散模型的跨模态交互机制，提升模型在动态环境中的语义感知、情境理解与自主决策水平；
3.模型高效部署与优化：针对具身智能硬件平台（如机械臂、移动机器人），深度优化VLA模型的实时推理效率，采用算子融合、量化压缩、模型剪枝等先进技术，实现模型在边缘设备上的高性能、低时延运行；
4.跨模态数据闭环体系搭建：搭建面向具身智能的大规模高质量数据采集、增强与标注流程，开发仿真验证工具链，构建数据驱动的模型迭代闭环，持续提升VLA模型在真实应用中的鲁棒性与泛化能力。

任职要求：
1、专业背景：计算机视觉、机器人学、自然语言处理等相关领域博士学历，研究方向集中于多模态大模型、具身智能或机器人决策控制。
2、技术能力：
（1）熟练掌握PyTorch/TensorFlow框架，具备VLA模型（如RT-2、OpenVLA、DiffusionPolicy）改进与部署经验，了解强化学习、模仿学习等相关方法；
（2）熟悉多模态对齐技术（CLIP、DINOv2等），拥有视觉语言模型（VLM）与动作生成模块联合调优实践；
（3）掌握机器人操作系统（ROS/ROS2），具备机器人感知-决策-控制全栈开发经验者优先。
3、经验要求：
（1）5年以上多模态算法研发经历，主导过VLA相关项目（如自动驾驶、机械臂操作等）并推动其商业化落地；
（2）在NeurIPS/ICML/CoRL等顶级会议发表过多篇VLA相关论文，或拥有具身智能领域的核心专利。