VLN算法实习生

1. VLN 核心算法研发：负责基于视觉-语言-动作（VLA）大模型、多模态大模型（VLM/LLM）的机器人具身导航算法研发，实现长序列、跨房间的复杂指令理解与常识规划。 2.长周期记忆与建图系统开发：设计与开发机器人的中长期记忆模块（Memory Module），构建结合开放词汇（Open-Vocabulary）识别的 3D 语义拓扑地图（Semantic Topo-Map） 或 3D 空间向量数据库。 3. 优化主动探索（Active Exploration）策略、环路检测（Loop Closure）与记忆反思机制，确保机器人在动态、非结构化环境中的修图与回溯能力。 4.多模态表征与数据流构建：负责处理与融合多传感器数据（RGB-D、LiDAR、IMU等），设计高效的跨模态时空对齐（Spatial-Temporal Alignment）特征提取网络。 5.搭建和扩充 VLN/VLA 仿真环境（如 Habitat, Isaac Sim, RoboTHOR 等）下的专家轨迹数据集，优化数据采集与增强管线。 6.算法微调与强化训练：运用监督微调（SFT）、强化学习（RL）、行为克隆（BC）或偏好优化（如 DPO/PPO）等技术，在仿真与真机上训练导航策略网络。 7.真机部署与跨团队协同：配合底盘控制、机械臂抓取及 SLAM 团队，将高层 VLN 规划指令下发并转化为低层控制策略（Local Policy），实现全机协同与复杂“导航-抓取”复合任务的闭环落地。

1. 计算机、机器人、自动化、电子信息或人工智能相关专业硕士及以上学历（优秀学士亦可）。 2. 精通 Python 和 C++，具备极强的算法实现与调优能力；熟练掌握 PyTorch 深度学习框架及分布式训练（DDP/DeepSpeed）。 核心技术背景： 3. 深入理解主流 Transformer 架构、多模态大模型（如 CLIP, DINOv2, BLIP, LLaVA 等）的底层原理。 4. 熟悉经典或前沿的 3D 视觉/建图 技术（如 3D 语义分割、YOLO-World 等开放词汇检测、3D Gaussian Splatting 或 NeRF 在场景表征中的应用）。 5. 工具链链熟练度：熟练使用 Linux 环境、ROS/ROS2 机器人操作系统；有使用 Git、Cursor/VSCode 远程并行调试的良好工程习惯。