VLA 算法工程师

免费注册后解锁"你的匹配分 vs 高分画像"与个人技能缺口。

1. 参与从采集数据到模型微调、再到仿真与真机评测的数据验证闭环，对每批采集数据出具可训性报告，给出任务成功率及与基线数据的对比；
2. 复现并跑通开源 VLA 基线（π0、GR00T、RDT 等），建立标准微调配方与可复现的评测协议；
3. 参与数据消融与规模化实验，量化多样性、数量、人类第一视角数据与遥操作数据配比的边际训练价值；
4. 参与数据可执行性硬验收标准（逆运动学可解率、自碰撞、关节限位、轨迹平滑度）的制定；
5. 把模型失败模式的分析转化为数据缺口清单，反向推动采集规范与硬件迭代。
1、2027 届硕士或博士，机器人学习、计算机视觉或机器学习方向；
2、熟练使用 PyTorch，独立跑通过至少一个模仿学习或 VLA 训练管线（ACT、Diffusion Policy、π0、GR00T、RDT 任一），有微调与评测实操；
3、具备机器人学基础：末端位姿与关节角动作空间、逆运动学、坐标变换；
4、有严谨的实验设计与消融分析能力，结论可复现、报告写作清晰；
5、能流畅阅读英文论文并复现最新工作；有真机或仿真平台（Isaac Lab、MuJoCo）使用经历者优先。

加分项
1、发表过机器人学习相关论文；
2、有 LeRobot 等开源生态贡献；
3、有 UMI 生态实操经验；
4、有灵巧手动作重定向经验。

⚑ 岗位信息收录自公开招聘页（国内官方招聘渠道），以雇主官网为准