杭州无问硅一科技有限公司

职位描述 1. 负责机器人整体软件系统的研发、调试、迭代优化与日常维护，基于ROS1、ROS2或Dora任一机器人开发框架，完成系统架构搭建、功能模块开发、节点通信调试及系统稳定性优化，保障机器人系统高效可靠运行。 2. 开展机器人运动控制相关技术研发工作，实现机器人正逆运动学求解、轨迹规划，负责WBC（全身体控制）算法的开发、调试与落地，持续优化机器人运动精度、响应速度与运动流畅度，解决运动控制落地中的技术问题。 3. 针对机器人大模型训练与算法迭代需求，设计并搭建专用数据采集系统，搭建端到端数据传输、处理、存储管线，打通数据采集到模型训练的闭环流程，为模型优化提供高质量、标准化的数据支撑。 4. 负责机器人大模型的工程化部署、系统集成、环境适配与联调工作，搭建场景化评测指标与体系，完成大模型在机器人交互、执行等场景的效果测试、性能评估，推动模型落地效果持续优化。 5. 配合团队完成机器人硬件调试工作，熟悉传感器、执行器、控制模组等硬件设备的接口调试与联动开发，完成软硬件联合调试与问题排查，推进机器人整体方案落地。 任职要求 1. 硕士及以上学历，自动化、控制科学与工程、机器人工程、计算机科学与技术、机械电子工程等相关专业，具备扎实的机器人学、自动控制理论专业知识基础。 2. 熟练掌握ROS1/ROS2或Dora机器人开发框架，具备完整的机器人系统项目开发、调试与维护实战经验，能独立完成系统开发与问题排查。 3. 深入理解机器人正逆运动学、动力学核心理论，具备WBC全身体控制或机器人运动控制相关项目研发、实践经验。 4. 了解数据采集系统与数据管线搭建逻辑，有相关数据系统搭建经验，熟悉大模型基本部署流程与评测方法。 5. 熟悉机器人常用硬件设备原理与调试方法，具备软硬件联调实战能力，熟练掌握C++/Python编程语言，具备良好的代码编写与工程化开发习惯。 6. 具备良好的问题解决能力、团队协作意识，对待技术研发认真负责，乐于钻研新技术。 优先条件 1. 具备机器人领域相关学术研究成果更佳，有ICRA、IROS、TRO、IJRR等机器人领域顶级会议、期刊论文发表经历者优先； 2. 有RoboMaster、ROBOCON、ICRA机器人挑战赛等国内外专业机器人赛事参赛经历，且承担项目核心开发、算法研发工作者优先。

职位描述 1. 负责具身智能 VLA/WAM 模型架构设计、预训练、后训练和真机验证，推动模型从单任务定制走向多任务、跨场景和跨本体泛化。 2. 研究适用于机器人控制的多模态模型架构，包括： - 视觉、语言、机器人本体状态和动作建模； - 高分辨率视觉输入； - 多相机、多视角信息融合； - 短时视觉记忆和历史状态建模； - Action Chunk、Motion Token 和连续动作表示； - Goal Image 和自然语言指令跟随； - 力觉、触觉和深度等多模态输入。 3. 参与设计和训练WAM，对动作条件下的未来状态进行建模，包括： - 未来视觉观测或视觉特征； - 机器人本体和末端状态； - 物体状态及空间关系变化； - 接触、力觉和触觉状态； - 任务阶段和任务进度； - 动作成功概率、失败类型和风险； - 多步动作序列可能产生的结果。 4. 探索 WAM 在机器人决策中的应用，包括： - 候选动作预测与排序； - 动作执行前的结果预判； - Model Predictive Control； - 短时 rollout 和轨迹评估； - 失败预判与风险控制； - 数据筛选和数据价值评估； - 强化学习的环境模型或价值辅助模型。 5. 使用多来源数据进行预训练和联合训练，包括： - 公司内部真实机器人数据； - 第一人称人类视频； - 互联网 VQA 和视频数据； - UMI 数据； - 开源和采购的机器人数据； - 跨本体真机数据； - 仿真数据。 6. 解决多来源数据训练中的关键问题，包括： - 不同机器人本体动作空间对齐； - 不同相机视角和坐标系对齐； - 人类动作与机器人动作之间的表征映射； - 移动阶段和操作阶段的动作语义统一； - 数据质量分级和数据配比； - 训练集、验证集和 OOD 评测集隔离； - 多数据源负迁移分析。 7. 负责 VLA/WAM 的预训练/后训练和快速任务适配，探索 SFT、DAgger、强化学习、Residual Policy、Action Expert、Prompt/Condition Adaptation 等方法，降低新任务的真机数据成本。 8. 将模型应用到真实机器人任务中，包括但不限于： - 多类别物体抓取和放置； - 开门和开关设备； - 线材插拔和精细装配； - 移动到目标位置后执行操作； - 房间整理和跨区域搬运； - 新物体、新场景和新机器人本体适配。 9. 建立 VLA/WAM 的统一评测体系，重点评估： - Zero-shot 成功率； - Few-shot 数据效率； - OOD 泛化能力； - 完整任务和子任务成功率； - 动作预测及未来状态预测精度； - WAM 对动作排序和失败预判的有效性； - 任务完成时间和 retry 次数； - 跨本体迁移效果。 10. 与 Agent、强化学习、数据、部署和机器人控制团队合作，将模型接入真实机器人推理、数据采集、Bad Case 分析和 DAgger 数据回流闭环。 职位要求： 1. 计算机、人工智能、机器人、自动化、电子工程等相关专业，本科及以上学历。 2. 具有以下一个或多个方向的研究或工程经验： - VLA 或视觉语言机器人策略； - Robot Foundation Model； - World Model 或 WAM； - Action Model； - Video Prediction； - Diffusion Policy、ACT 或其他机器人策略模型； - 多模态大模型； - 模仿学习或强化学习。 3. 熟悉 Transformer、Diffusion Model、视觉语言模型、时序模型或生成式模型中的至少一种技术体系。 4. 熟练使用 PyTorch 或 JAX，能够独立完成模型设计、训练、评测、实验分析和性能优化。 5. 对机器人动作表示、时序决策、多模态融合和闭环控制有一定理解。 6. 具有较强的数据意识，能够分析数据来源、数据质量、数据配比、分布偏差和负迁移问题。 7. 能够围绕真实机器人任务进行问题拆解，区分模型、数据、感知、控制、部署和硬件问题。 8. 具备较强的工程实现和跨团队协作能力，能够推动算法从离线实验进入真机系统。 加分项： 1.有真实机械臂、双臂机器人或移动操作机器人经验； 2.有 VLA、World Model、WAM 或机器人基础模型项目经验； 3.有动作条件视频预测、未来状态预测或潜空间动力学模型经验； 4.有 Model-based Planning、MPC、CEM 或基于模型的强化学习经验； 5.有人类第一人称视频、UMI 或跨本体机器人数据训练经验； 6.有多相机、高分辨率视觉或局部 ROI 视觉建模经验； 7.有触觉、力觉或机器人本体状态融合经验； 8.有 Zero-shot、Few-shot 或 OOD 泛化评测经验； 9.有 SFT、DAgger、RL 或 Offline-to-Online 后训练经验； 10.熟悉 ROS、Isaac Sim、Genesis、MuJoCo、Habitat 等机器人平台； 11.有大规模分布式训练、模型推理优化或部署经验。

岗位职责 1. 围绕第一人称、第三人称机器人动作场景，对接数据采集、数据获取团队及数据平台团队，协同推进数据供给、平台适配与流程衔接，搭建并迭代自动化数据处理流水线，构建高效数据飞轮体系，保障动作数据规模化、常态化稳定产出。 2. 负责海量视频批量解析、人体与手部姿态提取、视频描述、时序对齐等标准化处理，统一数据格式与产出规范。 3. 负责全链路数据治理，完成脏数据过滤、样本去重、异常筛选与分层精选，搭建自动化质检规则，持续优化动作数据集质量与多样性。 4. 对接 CPFS、OSS 等存储架构，优化流式读取、并行调度与批量吞吐能力，解决海量视频处理 IO 瓶颈，提升整条数据链路运行效率。 5. 配合多模态具身模型、机器人动作生成模型训练，定制数据采样与配比策略，迭代数据工具链与自动化流程，减少人工依赖，支撑算法持续迭代。 任职要求 1. 计算机、人工智能、机器人、自动化等相关专业，硕士及以上学历。 2. 了解 2D/3D 人体姿态、手部动作基础概念，能熟练调用算法能力完成工程落地。 3. 熟练 Python 开发，具备大规模视频处理、多任务并行、批量脚本开发能力，有数据流水线搭建经验优先。 4. 熟悉 LLM、VLM 视觉语言大模型基础使用，能够借助多模态模型完成视频描述、语义筛选、动作语义理解等数据加工工作。 5. 熟悉深度学习常用数据格式与存储协作逻辑，掌握 Git 版本管理，具备独立问题排查与流程优化能力。 6. 工程思维扎实，逻辑清晰，细致严谨，具备良好跨团队协作能力，适配高速迭代的数据生产节奏。 加分项 1. 有大规模视频数据治理、自动化数据飞轮搭建、海量数据集构建经验。 2. 熟悉 WebDataset、Parquet、HDF5 等高效训练格式，了解云存储、分布式读写优化。 3. 接触过第一人称 Egocentric 数据、具身智能、机器人动作相关数据处理工作。 4. 了解模型部署、批量任务调度、数据自动化质检工具开发优先。

岗位职责 ： 1. 负责 Vision-Language-Action（VLA）模型训练、优化与部署 2.负责机器人多模态数据收集、清洗、标注及训练流水线建设 3.参与世界模型（World Model）相关算法研发，包括视频预测、动作生成、latent dynamics 等方向 4. 搭建大规模分布式训练框架，优化训练效率与稳定性 5.推动 VLA 模型在真实机器人上的部署与迭代 岗位要求 ： 1. 熟悉 Transformer、Diffusion、VLA、Action Model、World Model 等相关方向 2.熟悉 PyTorch，具有大模型训练经验 3.熟悉多 GPU / 多机分布式训练（DDP、FSDP 等） 4.熟悉 CUDA、TensorRT 或推理优化者优先 5.有 OpenVLA、GR00T、π0、OpenPI、LeRobot、ACT、Diffusion Policy 等相关项目经验者优先 6.有机器人真机部署经验者优先 加分项： 1.有大规模机器人数据集构建经验 2.有完整的数据收集 → 数据处理 → 模型训练 → 真机部署经验者优先 3.有真机demo，代表作

岗位职责 1. 基于 RGB 视频数据源（含公开数据集与自采场景数据），负责 SLAM 系统中相机姿态（位姿）估计算法研发，完成动态 / 静态场景、室内外多场景下的姿态提取算法设计与工程落地，核心聚焦 SOTA 方法的适配与优化。 2. 持续迭代姿态估计模型的精度（定位误差、姿态一致性）、实时推理速度与环境鲁棒性（光照变化、运动模糊、遮挡场景），搭建 RGB 视频批量姿态处理流水线，完成视频解析、帧筛选、异常数据过滤、姿态结果归一化与数据集标准化构建，负责姿态数据全流程质量校验。 3. 深入研究 RGB 视频特征提取、帧间匹配、运动估计与优化机理，融合 SOTA 视觉 SLAM 框架（如 ORB-SLAM3、DSO、VINS-Mono 等）核心思想，设计高效的位姿解算、闭环检测与轨迹优化算法，完成效果验证与迭代升级。 4. 负责 SLAM 姿态估计算法全链路工程化部署，包括模型轻量化、推理加速、接口封装与流程模块化开发，对接团队现有数据存储、业务链路与部署平台，保障线上系统低延迟、高吞吐、稳定运行。 5. 负责算法实验方案设计、消融实验执行、实验数据记录与模型迭代复盘，独立编写技术方案、算法文档、接口说明与维护手册，支撑团队技术沉淀、方案评审与标准化流程优化。 任职要求 1. 计算机、人工智能、自动化、电子信息、机器人工程等相关专业，硕士及以上学历，计算机视觉、SLAM、机器人感知方向优先。 2. 扎实掌握视觉 SLAM 基础理论与核心技术，深入理解相机标定、特征匹配、运动估计、位姿优化等关键环节，有 RGB 视频姿态估计算法研发与项目落地经验，熟悉主流 SLAM 框架与行业 SOTA 方案。 3. 精通 PyTorch/TensorFlow 深度学习框架或 C++ 传统视觉开发，具备 SLAM 算法模型搭建、训练调优、损失函数设计、传统算法改进等完整研发能力。 4. 熟练掌握 Python/C++ 开发，擅长大规模 RGB 视频解析、批量帧处理、实验调试与性能分析，能够独立搭建视频姿态处理流水线与算法验证平台。 5. 熟练使用 Git 进行版本管理与多人协作开发，具备独立完成模块开发、问题定位、bug 修复与版本迭代的能力。 6. 逻辑思维严谨，自主学习能力强，具备良好的工程思维、复杂问题拆解能力与跨团队沟通协作能力。 加分项 1. 具备大规模 RGB 视频批量解析、海量姿态数据抽取、异常帧过滤与高质量 SLAM 数据集构建经验。 2. 深入研究过 SOTA 视觉 SLAM 算法（如 Transformer-based SLAM、神经辐射场（NeRF）融合 SLAM 等），熟悉相关公开数据集（如 TUM RGB-D、KITTI、EuRoC 等）、技术难点与优化方案。 3. 拥有 SLAM 算法部署优化经验，熟练使用 ONNX、TensorRT、OpenVINO 等工具完成模型转换、推理加速与服务化封装，具备边缘设备（如嵌入式平台）部署经验者优先。 4. 具备完整 SLAM 姿态估计项目全流程经验，擅长实验复盘、指标量化分析、技术文档沉淀与标准化流程搭建，有实际业务场景下速度与精度平衡优化案例者优先。 5. 熟悉多传感器融合（如 RGB+IMU）的 SLAM 方案，具备相关算法研发或工程落地经验者优先。

岗位职责 : 1.负责人形机器人运动控制强化学习（RL）算法研发 2.负责遥操作（Teleoperation）系统开发及真机部署 3.搭建大规模 RL 数据采集、训练和评测框架 4.推动 Sim-to-Real、策略部署与端侧优化 5.控制、硬件团队共同完成整机落地 岗位要求 : 1.熟悉 PPO、APPO、SAC、Diffusion Policy、Imitation Learning 等相关算法 2.熟悉 IsaacLab、RSL-RL、Mujoco 等机器人训练平台 3.熟悉 humanoid locomotion、whole-body control 等相关问题 4.熟悉 PyTorch，具有 RL 大规模训练经验 5.机器人真机部署经验 加分项 1.熟悉 TensorRT、ONNX Runtime 等推理框架 2.熟悉 NVIDIA Orin、Thor 等机器人计算平台 3.有 Teleoperation、Motion Retargeting、Whole Body Control 项目经验

职位描述 1. 设计长程移动操作的 Agent 和 High-Level Policy，实现自然语言任务到任务拆解、子任务排序、技能选择、机器人执行和完成判断的完整闭环。 2. 构建房间整理、跨区域搬运和开放场景任务的状态表示，包括： - 待处理物体； - 目标容器和目标区域； - 已发现和未发现物体； - 已探索和未探索区域； - 已完成和未完成子任务； - 当前执行阶段； - 历史失败记录； - 当前机器人和环境状态。 3. 负责长时记忆和短时状态管理，解决目标重复搜索、任务状态丢失、子任务重复执行、场景变化、历史信息遗忘和任务进度判断等问题。 4. 设计导航、搜索、Pick、Place、开门、重新观察、恢复、跳过、人工求助和停止等 Skills 的统一调用接口与编排机制。 5. 将 WAM 用于长程决策和执行监控，包括： - 预测某个 Skill 执行后的环境和机器人状态； - 预测任务进度变化； - 评估候选子任务和候选动作的成功概率； - 预测潜在失败和风险； - 对多条候选任务路径进行 rollout 和排序； - 判断当前 Skill 是否偏离预期； - 辅助 Agent 决定重试、换策略、跳过或停止。 6. 探索 VLA/WAM 与 Agent 的分层架构，明确高层任务规划、中层技能调用、底层动作生成和控制器之间的接口与职责。 7. 构建失败恢复和不确定性处理机制，决定失败后应当： - 原地重试； - 重新观察； - 调整机器人站位； - 更换抓取或放置策略； - 切换导航路径； - 跳过当前目标； - 请求人工介入。 8. 与 VLN 和空间智能团队合作，将语义地图、目标位置、已探索区域、导航状态、场景图和物体记忆用于高层决策。 9. 采用分阶段技术路线，先通过行为树、有限状态机、Task Graph、HTN 或经典规划建立可靠系统基线，再逐步探索： - VLM/VLA High-Level Policy； - Learned Planner； - WAM-based Planning； - Model Predictive Planning； - 基于强化学习的高层策略； - 端到端长程任务学习。 10. 建立长程任务的离线回放、仿真评测和真机评测体系，统计： - 完整任务成功率； - 物品处理成功率； - 分类准确率； - 重复搜索次数； - 无效路径和无效动作比例； - 失败恢复成功率； - 人工介入次数； - 任务完成判断准确率； - WAM 未来状态和动作结果预测准确率。 11. 与 VLA/WAM、Pick & Place、强化学习、数据和部署团队共同定义技能接口、状态协议、日志结构、数据回流和模型服务方式。 职位要求: 1. 计算机、人工智能、机器人、自动化等相关专业，本科及以上学历。 2. 具有以下一个或多个方向的研究或工程经验： - 具身智能 Agent； - 移动机器人或移动操作； - High-Level Policy； - 长程任务规划； - VLN 或语义导航； - VLA； - World Model 或 WAM； - 分层强化学习； - Task and Motion Planning。 3. 熟悉以下至少一种技术方法： - 行为树； - 有限状态机； - Task Graph； - HTN； - POMDP； - 分层策略； - 技能编排； - 大模型 Agent； - 基于模型的规划。 4. 具有真实机器人或复杂仿真环境中的完整系统开发经验，能够处理长期状态积累、多模块交互和错误传播问题。 5. 能够设计清晰的任务状态、模块接口、执行监控和失败恢复流程，而不是仅依赖端到端模型输出。 6. 理解 WAM、World Model 或动作条件状态预测在规划、执行监控和失败预判中的作用。 7. 熟悉 Python，具备良好的软件设计、系统调试和日志分析能力。 8. 能够分析长程任务中的错误传播，例如： - 导航误差导致操作失败； - 物体识别错误导致任务状态错误； - 记忆错误导致重复搜索； - Skill 执行异常导致规划失效； - 恢复策略设计不当导致系统进入循环。 9. 具备较强的跨模块协作和项目推进能力，能够推动导航、操作、记忆、VLA/WAM 和部署模块形成统一闭环。 加分项: 1.有 VLN、语义导航、目标搜索或空间记忆经验； 2.有移动操作、房间整理、家庭机器人或仓储机器人项目经验； 3.熟悉行为树、HTN、Task and Motion Planning 或 POMDP； 4.有 Scene Graph、Semantic Map、Episodic Memory 或空间智能模型经验； 5.有 VLM/LLM/VLA 驱动的机器人任务规划经验； 6.有 World Model、WAM、Model-based Planning 或轨迹 rollout 经验； 7.有高层强化学习或分层强化学习经验； 8.熟悉 Habitat、BEHAVIOR、Isaac Sim、Genesis、ROS Nav2 等平台； 9.有真实机器人长时间连续运行、任务恢复和异常处理经验。

岗位职责 制定数采设备（网关、传感器、边缘终端及平台）商业化战略，包括市场定位、定价及销售模式，完成年度营收指标； 带领商务团队开拓工业制造、能源、智慧城市等行业头部客户，打造标杆项目并推动规模化复制； 拓展渠道代理商、系统集成商及生态合作伙伴，搭建并管理销售网络； 收集市场与客户需求，联动研发团队优化产品，联动交付团队保障方案落地； 负责重大客户谈判、合同审核、回款跟踪及商务风险把控。 任职要求 本科及以上学历，自动化、物联网、计算机或市场营销等相关专业优先； 5年以上工业物联网/智能制造/自动化设备销售或商业化经验，其中至少2年团队管理经验； 熟悉数采在工业现场的应用场景，拥有行业客户资源或渠道网络者优先； 具备优秀的商务谈判能力、市场洞察力及跨部门协同能力，能适应短期出差。

岗位职责 1.负责公司文生图/文生视频大模型能力的商业化规划，将其转化为可售卖、可交付的产品方案。主导SKU定义、版本分层、API定价策略、计费模式设计（按次/按Token/按量/订阅）、Demo/POC流程及成交路径设计，对商业增长负责。 2.深入客户场景，调研广告营销、电商、影视短剧、游戏等行业的实际需求，提炼共性价值，将项目制交付经验沉淀为标准化产品，提升交付效率和毛利率。 3.用客户能听懂的语言，精准传达复杂技术产品的商业价值。沉淀高质量的中英文产品材料、销售工具包、标杆案例，尤其面向海外客户，提升售前效率和客户决策信心。 4.协同销售、研发、算法、交付团队，清晰定义产品边界、计费规则、交付标准、售后SLA，确保产品顺利交付和客户满意度。 任职要求 1.3年以上B2B产品经理经验，具备AI服务、MaaS、API产品、SaaS/PaaS等领域商业化经历，熟悉ToB销售与交付流程。 2.具备技术商业化抽象能力，能从多模态大模型（文生图/文生视频）的技术能力中提炼产品形态，设计计费模式和定价策略，打造有市场竞争力的商业方案。 3.具备客户共情、需求分析、结构化思维和跨部门推动能力，能对最终商业结果负责。 4.优秀的中英文沟通与文档撰写能力，能够支持海外客户沟通、英文方案材料创作及国际市场拓展。 加分项 1.有文生图/文生视频大模型API产品设计、定价或商业化经验。 2.有AIGC内容生成类产品的商业化落地经验（如广告素材、视频生成、电3商内容、短剧制作等场景）。 3.有构建产品定价体系并成功推向市场的经验，或有海外售前标准化及国际市场支持经验。 4.熟悉海外主流AI产品（如Midjourney、Runway、Sora、Vidu等）的定价模式与用户生态。

岗位职责 1. 围绕第一人称、第三人称机器人动作场景及各类自采/互联网数据源，设计并迭代高效标注算法，涵盖动作语义标注、场景交互标注、时序动作标注等核心方向，搭建自动化标注工具与流程，提升标注效率与标注精度。 2. 主导标注格式标准化设计，结合大模型训练需求、机器人动作生成模型适配场景，制定科学合理的标注规范、标签体系与数据格式，统一标注产出标准，确保标注数据可直接用于模型训练，最大化提升数据利用价值。 3. 负责标注结果全流程质量检测与管控，设计标注质量评估算法、异常标注识别规则，完成标注错误检测、标注一致性校验，针对低质、错误标注数据进行清洗、修复与优化，保障标注数据集的准确性、完整性与规范性。 4. 对接数据采集、数据处理、大模型训练团队，协同推进标注算法与数据流水线的融合，迭代自动化标注工具链，减少人工标注依赖，实现标注-质检-修复-复用的全流程闭环，支撑海量标注数据规模化产出。 5. 跟踪标注算法、多模态大模型在标注场景的应用进展，探索LLM/VLM辅助标注、半监督/弱监督标注等高效方案，持续优化标注策略与流程，推动标注数据质量与利用效率双重提升。 任职要求 1. 计算机、人工智能、自动化、数据科学等相关专业，硕士及以上学历。 2. 熟悉大模型训练数据标注逻辑，了解动作语义、人体姿态、场景交互等标注场景，具备标注算法设计、标注格式制定的相关经验，能独立完成标注方案落地。 3. 熟练Python开发，具备批量数据处理、自动化脚本开发、标注工具开发能力，擅长运用算法解决标注效率、标注质量相关问题。 4. 熟悉LLM、VLM多模态大模型的基础原理与使用方法，能够借助大模型优化标注流程、提升标注精度，完成语义标注、异常标注识别等工作。 5. 熟悉深度学习常用数据格式，掌握Git版本管理，具备独立问题排查、流程优化与技术复盘能力。 6. 逻辑清晰、细致严谨，具备良好的工程思维、跨团队协作能力，适配高速迭代的标注数据生产与算法优化节奏。 加分项 1. 有具身智能、机器人动作数据、第一人称、第三人称数据标注算法设计、标注体系搭建经验者优先。 2. 熟悉半监督标注、弱监督标注、少样本标注算法，有自动化标注工具、标注质量检测系统开发经验者优先。 3. 了解WebDataset、Parquet等高效训练格式，能结合标注数据特点优化数据存储与读取效率者优先。 4. 有大模型训练数据标注、数据质量管控、标注流程标准化相关项目经验，能通过标注算法优化直接提升模型训练效果者优先。

岗位职责 1.深入理解客户业务场景与核心痛点，独立负责需求澄清、定制化方案设计、Demo演示及POC验证。精准传达文生图/文生视频大模型的“技术能力—业务价值—落地路径”，帮助广告/电商/影视等行业的客户理解AI能力如何解决实际业务问题。 2.整合公司的模型API、数据集、数据采集设备等产品能力，为客户构建高匹配度的完整解决方案，输出有说服力的建议书、报价方案和项目计划。 3.协同团队，负责设计伙伴关系的建立与维护，经营重点客户的技术决策链，挖掘客户生命周期中的持续合作机会（从单次API调用到长期订阅/私有化部署），提升单客户价值。 4.主导试点项目的方案落地，协调产品、数据、研发、交付等内部资源，确保合同技术条款准确、项目交付质量符合预期，并推动客户验收，实现从方案到营收的完整路径。 任职要求 1.本科及以上学历，计算机、人工智能、自动化等理工科背景优先。 2.拥有3年以上ToB领域解决方案、售前或技术客户经理经验，熟悉AI服务、MaaS平台、API产品、数据服务等一个以上相关领域，熟悉客户采购、POC验证、项目交付全流程。 3.具备出色的技术翻译与方案构建能力，能将复杂的多模态大模型能力转化为客户可理解、可决策的业务价值，并通过优秀的文档与讲演技巧清晰传递。 4.具备优秀的项目管理和跨部门协调能力，能够在高频的客户交流中，有序推进从需求到回款的多个并行项目。 5.具备良好的中英文沟通与读写能力，能够独立阅读英文技术资料、撰写英文方案材料，并直接支持海外客户的项目沟通。 加分项 1.有文生图/文生视频大模型的售前/交付经验，或熟悉广告素材生成、电商商品图/视频生成、影视短剧内容创作等场景。 2.有大模型API、AI Agent、数据标注、智能硬件等细分领域的售前项目经验。 3.曾为广告营销、电商零售、影视/短剧/动漫、游戏等行业客户提供过定制化解决方案，并主导过成功的POC验证。 4.有海外客户沟通、英文方案撰写、跨境项目协作或国际市场拓展的直接经验。

职位描述 1. 负责精细操作（如线材插拔、接口对准、接触式装配任务）的强化学习及后训练方案设计，包括但不限于在线 RL、离线 RL、Offline-to-Online RL、Residual Policy、Action Expert、RL Token 和分阶段策略优化。 2. 基于现有遥操作数据、SFT 策略和真机运行数据，分析策略失败阶段，设计适合真实机器人低样本训练的强化学习流程，重点优化对准、接触、插入、退出、重新对准和自动重试阶段。 3. 参与构建面向精细操作的 WAM，对动作条件下的未来状态进行预测，包括： - 局部视觉变化； - 末端位姿和机器人本体状态； - 力觉、触觉和接触状态； - 插头与接口的对准程度； - 动作成功概率和失败类型； - 动作执行后的任务进度。 4. 探索基于 WAM 的模型式强化学习和动作规划方法，包括候选动作生成、短时 rollout、动作排序、失败预判、价值估计和安全动作筛选，减少昂贵的真机探索数据量。 5. 设计适用于真机训练的奖励函数、终止条件和安全约束，包括插入成功、对准程度、峰值力、接触稳定性、姿态偏差、操作耗时、retry 次数和接口保护等指标。 6. 融合 RGB、深度、末端六维力、关节力矩和触觉等多模态信号，构建接触状态判断、偏差方向估计、插入完成判断和失败类型识别模型。 7. 与控制和部署团队合作，将 VLA/WAM 输出与阻抗控制、导纳控制、力位混合控制、Compliant Insertion 和局部微搜索策略结合。 8. 建设真机强化学习和后训练数据闭环，包括失败数据回流、经验池管理、离线预训练、在线更新、模型版本管理、自动回归评测和安全回退机制。 9. 建立接触式操作评测体系，持续评估： - 完整任务成功率； - 接触和插入阶段成功率； - 平均耗时和 P90 耗时； - 自动重试次数； - 峰值力和异常接触次数； - 接口或线材损坏风险； - 新接口、新线材和新设备上的泛化能力。 职位要求: 1. 计算机、人工智能、自动化、机器人、控制、电子工程等相关专业，本科及以上学历。 2. 熟悉机器人强化学习、模仿学习、策略后训练或模型式决策，至少深入掌握以下一个方向： - 在线强化学习； - 离线强化学习； - 模仿学习或行为克隆； - Residual Policy； - Model-based RL； - World Model 或 WAM； - 多模态机器人策略后训练。 3. 具有真实机器人算法研发或部署经验，能够参与或独立完成数据采集、模型训练、真机测试、失败分析和策略迭代。 4. 熟练使用 PyTorch 或 JAX，具备良好的代码实现、实验管理和问题定位能力。 5. 理解机器人运动学、坐标变换、轨迹控制和闭环控制基本原理。 6. 能够从真实机器人日志、视频、力觉和触觉数据中区分感知失败、策略失败、控制失败、硬件异常和数据分布问题。 7. 具备较强的工程闭环意识，能够以真机成功率、效率、数据成本和安全性为目标，而不只以训练 Loss、仿真 Reward 或单次 Demo 效果为目标。 8. 具备良好的跨团队协作能力，能够与 VLA/WAM、触觉、控制、硬件、数据和部署团队共同完成系统交付。 加分项: 1.有线材插拔、装配、Peg-in-hole、卡扣、旋拧等接触式操作经验； 2.有六维力传感器、触觉传感器或关节力矩数据使用经验； 3.熟悉阻抗控制、导纳控制或力位混合控制； 4.有 Residual Policy、Offline-to-Online RL 或真实机器人 RL 经验； 5.有 World Model、WAM、视频预测或动作条件未来状态预测经验； 6.有基于模型的动作搜索、MPC、CEM、Trajectory Optimization 等经验； 7.有 VLA、多模态策略或机器人基础模型后训练经验； 8.有 Isaac Sim、MuJoCo、Genesis 等仿真平台经验； 9.有机器人连续运行和安全保护系统建设经验。

岗位职责 1. 基于多源数据（图像、点云、RGB 视频等），负责 SOTA 三维重建算法研发与工程落地，核心完成场景 / 物体的高斯模型（Gaussian Splatting）、网格（Mesh）生成，以及材质参数（纹理、反射率）、物理属性（质量、摩擦系数）的精准建模，支撑机器人仿真场景（isaac）构建。 2. 持续优化三维重建的精度（几何误差、纹理还原度）、建模效率与鲁棒性，搭建从数据采集、预处理到重建结果后处理的全流程流水线，完成重建结果的质量校验、格式标准化（适配主流仿真平台要求）与数据集构建。 3. 深入研究 SOTA 三维重建技术（如 NeRF 系列、Gaussian Splatting），结合机器人仿真需求，设计高效的几何建模、材质迁移、物理属性赋值算法，解决遮挡、复杂拓扑结构等建模难点。 4. 负责重建模型与主流机器人仿真平台的适配开发，完成模型格式转换、仿真参数校准、接口封装与集成测试，保障仿真场景的真实性与交互稳定性。 5. 负责算法实验方案设计、消融实验执行、重建效果量化评估与模型迭代复盘，独立编写技术方案、建模规范、接口文档与维护手册，支撑团队技术沉淀、方案评审与标准化流程优化。 任职要求 1. 计算机、人工智能、自动化、机械工程、电子信息、机器人工程等相关专业，硕士及以上学历，计算机视觉、三维重建、机器人仿真方向优先。 2. 扎实掌握三维重建基础理论与核心技术，深入理解几何建模、多视图几何、神经渲染等关键环节，有 SOTA 三维重建算法研发与项目落地经验，熟悉高斯模型、Mesh 建模、材质与物理属性建模的完整流程。 3. 精通 PyTorch/TensorFlow 等深度学习框架，或 C++/Python 传统视觉开发，具备三维重建模型搭建、训练调优、损失函数设计、传统算法改进等完整研发能力，能独立完成从数据到重建结果的全流程实现。 4. 熟练掌握三维数据处理工具（如 Open3D、PCL、MeshLab、Blender），擅长大规模点云 / 图像数据处理、重建结果后优化、仿真平台适配开发，能够独立搭建重建与仿真验证流水线。 5. 熟练使用 Git 进行版本管理与多人协作开发，具备独立完成模块开发、问题定位、跨平台适配 bug 修复与版本迭代的能力。 6. 逻辑思维严谨，自主学习能力强，具备良好的工程思维、复杂场景建模问题拆解能力与跨团队（算法、机器人、仿真）沟通协作能力。 加分项 1. 具备复杂场景（室内外大场景、精密机械零件、柔性物体）三维重建经验，有高斯 Splatting、高保真 Mesh 建模、材质与物理属性联合建模项目案例者优先。 2. 深入研究过 SOTA 重建技术，熟悉相关公开数据集（如 DTU、Tanks and Temples、CO3D）、技术难点与优化方案。 3. 拥有主流机器人仿真平台开发经验，熟练掌握仿真模型格式转换（如 URDF、SDF、FBX）、物理参数调试与场景集成者优先。 4. 具备三维重建算法部署优化经验，熟练使用 ONNX、TensorRT 等工具完成模型轻量化与推理加速，或有边缘设备 / 云端批量重建服务开发经验者优先。 6. 熟悉机器人运动学 / 动力学，能结合机器人仿真需求优化重建模型的几何与物理属性，提升仿真与真实场景的一致性者优先。

岗位职责 1. 基于第一人称、第三人称机器人动作场景及自采/互联网海量数据源，负责视觉感知相关算法研发与工程落地，重点解决目标检测、语义分割、实例分割、场景感知、目标跟踪等核心任务。 2. 持续优化视觉检测、分割算法的精度、速度与鲁棒性，适配不同拍摄视角、光照条件、场景复杂度，搭建海量视频/图像数据的批量感知处理流水线，完成数据解析、异常检测、脏数据过滤与高质量感知数据集构建。 3. 深入研究视觉感知与机器人动作交互的关联机理，将检测、分割结果与人体姿态、动作轨迹数据融合，优化视觉感知与动作数据的时序对齐、空间匹配效果，支撑机器人动作生成、具身模型训练的数据需求。 4. 负责视觉算法全链路工程化部署、推理加速、接口封装与流程模块化开发，对接团队现有数据处理流水线、CPFS/OSS存储系统与业务链路，保障线上算法稳定、高效、高吞吐运行。 5. 负责视觉算法实验方案设计、消融实验、实验数据记录与模型迭代复盘，独立编写技术方案、算法文档、接口说明与维护手册，支撑团队技术沉淀、方案评审与流程优化。 任职要求 1. 计算机、人工智能、计算机视觉、自动化、电子信息等相关专业，硕士及以上学历，计算机视觉方向优先。 2. 扎实掌握目标检测、语义分割、实例分割、视觉感知等基础理论，有完整相关算法研发、项目落地经验，熟悉主流视觉算法网络结构（如YOLO、Mask R-CNN、Transformer系列等）与行业方案。 3. 精通PyTorch深度学习框架，具备模型搭建、训练调优、损失函数设计、网络改进等完整研发能力，能独立完成视觉算法的迭代与优化。 4. 熟练Python开发，擅长大规模视频/图像数据处理、批量任务调度、脚本开发、实验调试与性能分析，能够独立搭建视觉算法处理流水线。 5. 熟练使用Git进行版本管理、多人协作开发，能够独立完成模块开发、问题定位、bug修复与版本迭代。 6. 逻辑思维严谨，自主学习能力强，具备良好的工程思维、问题拆解能力与跨团队沟通协作能力，能快速适配业务迭代需求。 加分项 1. 具备第一人称、第三人称视觉、机器人动作场景相关的检测、分割算法研发经验，熟悉相关公开数据集、难点问题与优化方案者优先。 2. 拥有模型部署优化经验，熟练使用ONNX、TensorRT等工具完成模型转换、推理加速与服务化封装，有高吞吐视觉算法落地经验者优先。 3. 具备视觉感知与人体姿态、动作轨迹数据融合经验，能将检测、分割结果与具身智能、机器人动作生成场景深度结合者优先。 4. 具备完整视觉算法项目全流程经验，擅长实验复盘、指标分析、技术文档沉淀、方案总结与标准化流程搭建者优先。

岗位职责 ： 1. 负责 Vision-Language-Action（VLA）模型训练、优化与部署 2.负责机器人多模态数据收集、清洗、标注及训练流水线建设 3.参与世界模型（World Model）相关算法研发，包括视频预测、动作生成、latent dynamics 等方向 4. 搭建大规模分布式训练框架，优化训练效率与稳定性 5.推动 VLA 模型在真实机器人上的部署与迭代 岗位要求 ： 1. 熟悉 Transformer、Diffusion、VLA、Action Model、World Model 等相关方向 2.熟悉 PyTorch，具有大模型训练经验 3.熟悉多 GPU / 多机分布式训练（DDP、FSDP 等） 4.熟悉 CUDA、TensorRT 或推理优化者优先 5.有 OpenVLA、GR00T、π0、OpenPI、LeRobot、ACT、Diffusion Policy 等相关项目经验者优先 6.有机器人真机部署经验者优先 加分项： 1.有大规模机器人数据集构建经验 2.有完整的数据收集 → 数据处理 → 模型训练 → 真机部署经验者优先 3.有真机demo，代表作