运动控制算法研究员-人形机器人通用VLA认知决策与协同操作（优核U-Core计划）(J18722)

模块方向：机器人人运动控制方向
课题方向：人形机器人通用VLA认知决策与协同操作
方向内容：现有VLA以“RGB+语言+状态”为输入端到端输出动作，但在开放场景中面临动态环境理解不足、长流程任务记忆缺失、多机器人协同能力弱、缺少对未来状态预测能力等瓶颈。人形机器人需要同时协调双臂、移动底盘和全身姿态，维度远超单臂机械臂。

岗位职责
1. 设计VLA+记忆机制+多智能体协同+WAM（World Action Model）的统一架构；2. 引入短时/长期记忆机制，使机器人记住任务过程与上下文；3. 构建多智能体协同模块，支持多机器人通信与任务分配；4. 融合WAM世界动作模型，赋予机器人对物理环境未来状态的预测能力；5. 在动态物体抓取、双手协作搬运、工具使用、传送带分拣等场景中端到端验证
专业方向：机器人学、AI/ML、计算机科学。硬技能：精通VLA模型架构（RT-2/GR00T/π0系列）及预训练-后训练范式；熟悉多模态输入对齐与动作Tokenization方案；有真实机器人（尤其是人形/双臂）部署经验；了解Memory机制（RAG/向量数据库）与多智能体框架。软素质：系统架构思维，能打通“感知-记忆-预测-决策”全链路

模块方向：机器人运动控制方向
课题方向：人形机器人通用VLA认知决策与协同操作
方向内容：现有VLA以“RGB+语言+状态”为输入端到端输出动作，但在开放场景中面临动态环境理解不足、长流程任务记忆缺失、多机器人协同能力弱、缺少对未来状态预测能力等瓶颈。人形机器人需要同时协调双臂、移动底盘和全身姿态，维度远超单臂机械臂。

岗位职责
1. 设计VLA+记忆机制+多智能体协同+WAM（World Action Model）的统一架构；2. 引入短时/长期记忆机制，使机器人记住任务过程与上下文；3. 构建多智能体协同模块，支持多机器人通信与任务分配；4. 融合WAM世界动作模型，赋予机器人对物理环境未来状态的预测能力；5. 在动态物体抓取、双手协作搬运、工具使用、传送带分拣等场景中端到端验证
专业方向：机器人学、AI/ML、计算机科学。硬技能：精通VLA模型架构（RT-2/GR00T/π0系列）及预训练-后训练范式；熟悉多模态输入对齐与动作Tokenization方案；有真实机器人（尤其是人形/双臂）部署经验；了解Memory机制（RAG/向量数据库）与多智能体框架。软素质：系统架构思维，能打通“感知-记忆-预测-决策”全链路

⚑ 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