优才-具身智能算法研究员（预训练方向）-觅蜂子公司

【方向：预训练、Omni大模型与数据策略】 利用大规模人类视频（Ego4D、Open X-Embodiment）及无本体交互数据，预训练多模态基座模型（视觉-语言-动作联合），作为VLA主干backbone。 探索scaling law，设计模型架构（如Transformer、DiT）与预训练任务（MAE、动作预测、对比学习）。 基于VLM/VLA大模型构建自动标注管线，对视频、轨迹、触觉信号进行结构化标注（动作阶段、接触事件、成功/失败标签），降低人工成本。 设计主动学习策略，从海量数据中筛选高价值样本（失败轨迹、长尾场景）。 牵头制定数据混合策略：真机遥操作数据 : 无本体人类视频 : 仿真合成数据的最优比例，设计消融实验验证，建立数据价值评估模型。

计算机视觉、机器人学、机器学习、图形学等相关专业硕士及以上学历，博士优先。 在以下至少一个方向有深入研究和项目经验： 三维重建/SLAM/3D Gaussian Splatting/物体姿态估计/人体手部重建 模仿学习（BC、ACT、Diffusion Policy）、强化学习（PPO、SAC）、机器人控制（MPC、力控）、VLA架构（RT-2、PaLM-E等） 多模态预训练（CLIP、LLaVA）、大模型微调（LoRA、RLHF）、自动标注、数据合成与数据策略 扎实的编程能力：精通Python，熟悉C++，熟练使用PyTorch/JAX等深度学习框架。 熟悉至少一种仿真器（Isaac Sim、Mujoco、PyBullet）或真实机器人平台。 具备优秀的学习能力、逻辑思维与跨团队协作精神，能够快速将前沿论文转化为可工作的原型。 加分项 有真实机器人（机械臂、人形、四足）部署经验，特别是高复杂度操作任务（装配、双手协作）。 在CVPR/ICCV/ECCV/CoRL/ICRA/RSS/NeurIPS等顶会发表论文，或有高质量开源贡献。 处理过Ego4D、HoloAssist或自采机器人混合数据，有Sim2Real迁移实战经验。 熟悉ROS/ROS2，有实时系统或嵌入式开发经验。