【实习】机器人操作算法 (VLA / World-Action Model 真机部署方向)-物理智能中心

本岗位面向 VLA (Vision-Language-Action)、World-Action Model、VA 等具身智能前沿方向，侧重于具身大模型的真机部署与系统级优化。工作以操作基座模型算法的研发、迭代及真机物理世界落地为核心，包括跟进最新操作算法动态、开展真机环境下的系统评测与闭环验证。实习期间，你将依托面向科学实验场景的具身智能硬件基础设施与真机数采系统，完整参与从算法设计、模型训练到真机全链路部署评测的研发工作。 岗位职责 1、参与操作基座模型算法的研发与迭代，主导或参与模型在真实机器人硬件上的端到端部署与联调。 2、持续跟进主流 VLA / WAM / VA 等前沿操作算法动态，快速复现并重点验证算法在真机环境下的实际性能与鲁棒性。 3、负责真机与仿真环境下的模型评测，开展基于 ROS2 的真机部署优化与系统通信调优，并参与高质量真机训练数据（如遥操作数据）的构建。

1、在读本科生或研究生，计算机、自动化、机器人、人工智能等相关专业。 2、具备丰富的真机部署及系统优化经验，能够独立应对和解决模型在真实物理硬件上的落地难题。 3、熟练使用 ROS2 系统，精通节点通信、底层控制逻辑及机器人硬件接口对接。 4、熟悉主流 VLA / WAM / VA 等具身智能大模型，熟练掌握 LeRobot、OpenPI、StarVLA 等开源框架。 5、熟悉 Python 与 PyTorch，具备扎实的深度学习基础；了解机器人操作与计算机视觉相关算法（如抓取、物体位姿估计、点云处理、模仿学习等）。 6、能稳定实习 6 个月及以上，原则上不支持远程。 加分项（优先考虑） 1、参与并发表过具身智能相关领域的顶刊顶会文章（如 CoRL / RSS / ICRA / NeurIPS / ICLR / CVPR 等）。 2、熟悉 pi*0.6、KAI-0、ARM 等 Offline RL 后训练（Post-training）框架与对齐策略。 3、有 CUDA 编程或模型推理加速优化经验，熟悉 TensorRT / ONNX 等工具，有 RTC 等实时部署经验，对真机控制频率、部署效率与延迟有极致追求。 4、有大规模真机遥操作数据采集系统搭建经验。 5、有大规模基座模型训练经验，熟悉多卡 / 分布式训练（Megatron, DeepSpeed 等）。 6、熟悉主流具身仿真平台，如 Isaac Sim、Isaac Lab、ManiSkill、RoboCasa 等。