Embodied AI Foundation Model I
招聘时间
即日起 至 2026-11-10
招聘单位
灵动星核
所在地区
深圳
工作地点
广东省/深圳市/南山区
学历要求
硕士
实习时长
每周5天，每天4小时
职责描述
【Mission | 岗位使命】
持续跟踪全球具身智能前沿研究进展，参与行业领先机器人基础模型（Foundation Models）的复现、训练、评测及持续迭代，探索高质量物理数据驱动下的机器人智能系统，为真实机器人场景中的泛化能力提升提供技术支撑。
【Responsibilities | 工作内容】
SOTA 技术跟踪与调研
持续关注 Robotics 与 AI 顶会（RSS、CoRL、ICRA、IROS、NeurIPS、ICML、CVPR 等）及行业最新研究成果，输出技术调研、论文解读及工程复现报告。
前沿模型复现与工程实践
参与行业领先开源基础模型的复现与工程化部署，包括但不限于 OpenVLA、SmolVLA、π0 / π0.5、GR00T、LeRobot、Diffusion Policy 等。
模型训练与实验构建
基于 PyTorch 参与完整模型研发流程，包括 Data Pipeline、Training Pipeline、Evaluation 及 Inference；探索模型结构优化及多模态输入建模方法。
Benchmark 建设与模型评测
参与建立标准化 Benchmark Pipeline，在仿真与真实机器人环境中开展模型评测，对 Success Rate、Trajectory Quality、Generalization、Inference Speed 等关键指标进行量化分析。
模型—数据闭环迭代
结合真实部署中的 Failure Cases，定位问题根因（Root Cause），提出数据补采、数据分布优化及训练策略改进建议，推动模型持续优化迭代。
【Qualifications | 任职要求】
计算机、人工智能、机器人、强化学习等相关专业本科高年级、硕士或博士在读；
具备扎实的 Python 与 PyTorch 开发能力，熟悉 Linux 开发环境及 Git 工具链；
理解并掌握以下至少一个方向的基本原理与工程实践：Vision-Language-Action（VLA）、Diffusion Policy、Imitation Learning、Reinforcement Learning、Vision Transformer、LLM；
热爱阅读论文与开源代码，具有较强的工程实现能力和问题分析能力，对 Embodied AI 与 Robotics 保持长期兴趣。
【Bonus | 加分项】
有 OpenVLA、π0、GR00T 等开源项目复现或二次开发经验；
熟悉 Isaac Lab、Isaac Sim、MuJoCo、ManiSkill、SAPIEN 等机器人仿真平台；
熟悉 Hugging Face、Hydra、PyTorch Lightning、Weights & Biases 等训练工具链；
在机器人、人工智能相关方向有论文发表、开源项目贡献或竞赛经验者优先。
【What You'll Gain | 你将获得】
参与机器人基础模型从论文复现、模型训练到真实机器人部署的完整研发流程；
与行业领先的机器人基础模型（如 π0、GR00T、OpenVLA 等）保持技术同步，参与最前沿的工程实践；
获得充足的算力资源及高质量、多模态真实机器人数据集支持，在真实场景中验证算法效果；
与经验丰富的研发团队共同成长，表现优秀者可获得长期实习、转正机会，并有机会成为公司早期核心研发团队成员。
持续跟踪全球具身智能前沿研究进展，参与行业领先机器人基础模型（Foundation Models）的复现、训练、评测及持续迭代，探索高质量物理数据驱动下的机器人智能系统，为真实机器人场景中的泛化能力提升提供技术支撑。
【Responsibilities | 工作内容】
SOTA 技术跟踪与调研
持续关注 Robotics 与 AI 顶会（RSS、CoRL、ICRA、IROS、NeurIPS、ICML、CVPR 等）及行业最新研究成果，输出技术调研、论文解读及工程复现报告。
前沿模型复现与工程实践
参与行业领先开源基础模型的复现与工程化部署，包括但不限于 OpenVLA、SmolVLA、π0 / π0.5、GR00T、LeRobot、Diffusion Policy 等。
模型训练与实验构建
基于 PyTorch 参与完整模型研发流程，包括 Data Pipeline、Training Pipeline、Evaluation 及 Inference；探索模型结构优化及多模态输入建模方法。
Benchmark 建设与模型评测
参与建立标准化 Benchmark Pipeline，在仿真与真实机器人环境中开展模型评测，对 Success Rate、Trajectory Quality、Generalization、Inference Speed 等关键指标进行量化分析。
模型—数据闭环迭代
结合真实部署中的 Failure Cases，定位问题根因（Root Cause），提出数据补采、数据分布优化及训练策略改进建议，推动模型持续优化迭代。
【Qualifications | 任职要求】
计算机、人工智能、机器人、强化学习等相关专业本科高年级、硕士或博士在读；
具备扎实的 Python 与 PyTorch 开发能力，熟悉 Linux 开发环境及 Git 工具链；
理解并掌握以下至少一个方向的基本原理与工程实践：Vision-Language-Action（VLA）、Diffusion Policy、Imitation Learning、Reinforcement Learning、Vision Transformer、LLM；
热爱阅读论文与开源代码，具有较强的工程实现能力和问题分析能力，对 Embodied AI 与 Robotics 保持长期兴趣。
【Bonus | 加分项】
有 OpenVLA、π0、GR00T 等开源项目复现或二次开发经验；
熟悉 Isaac Lab、Isaac Sim、MuJoCo、ManiSkill、SAPIEN 等机器人仿真平台；
熟悉 Hugging Face、Hydra、PyTorch Lightning、Weights & Biases 等训练工具链；
在机器人、人工智能相关方向有论文发表、开源项目贡献或竞赛经验者优先。
【What You'll Gain | 你将获得】
参与机器人基础模型从论文复现、模型训练到真实机器人部署的完整研发流程；
与行业领先的机器人基础模型（如 π0、GR00T、OpenVLA 等）保持技术同步，参与最前沿的工程实践；
获得充足的算力资源及高质量、多模态真实机器人数据集支持，在真实场景中验证算法效果；
与经验丰富的研发团队共同成长，表现优秀者可获得长期实习、转正机会，并有机会成为公司早期核心研发团队成员。
