世界模型算法工程师

世界模型研发与优化：研发面向具身智能的世界模型算法，构建对物理环境的感知、理解、预测与推理能力，提升机器人在复杂开放场景中的自主决策和泛化性能；

空间理解与生成：研发 3D 空间理解与场景生成算法，包括深度估计、场景重建、空间推理等方向，使模型具备对真实物理世界的结构化认知能力；

自监督表征学习：设计大规模视频自监督预训练方案，从海量无标注多模态数据中学习通用时空表征，探索掩码预测、跨视图推理、蒸馏等多种预训练范式；

时序状态建模：研发高效的时序记忆与状态管理机制，使模型具备长时序环境理解、动态场景适应和时序一致性预测能力；

导航与操作策略：研发机器人运动规划与操作策略算法，支持通用场景下的自主导航、物体交互与操作任务，探索端到端策略学习方法；

技术前沿探索：持续跟踪世界模型、空间智能、多模态大模型、具身智能等领域的前沿进展，推动团队技术路线的持续演进与创新。

专业背景：计算机视觉、人工智能、机器人学、3D 视觉等相关专业硕士及以上学历，或具备 2 年以上相关行业工作经验；

编程能力：熟练掌握 PyTorch 等主流深度学习框架，具备优秀的编程能力和代码工程化经验；

模型理解：对世界模型、生成模型（Diffusion、Flow-Matching、Transformer 等）有深入理解，有大规模模型训练经验，熟悉相关评测方法和基准测试；

表征学习：熟悉视觉自监督学习或多模态表征学习方法，具备从视频、图像等数据中提取有效时空特征表示的经验；

3D 视觉（加分项）：熟悉深度估计、3D 重建、NeRF/3DGS、多视图几何等方向；

具身智能（加分项）：了解机器人端到端策略模型（ACT、Diffusion Policy、π₀、OpenVLA、RT-2 等）或视觉-语言导航前沿进展，有真实机器人部署经验者优先；

分布式训练（加分项）：具备大规模分布式训练经验，能够高效处理海量多模态数据和大型模型训练；

学术成果（加分项）：在 CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、CoRL 等顶会发表论文，或有高影响力开源项目者优先；

个人素质：具备强烈的技术热情和探索精神，善于快速验证新想法，能在快节奏的研发环境中独立推进和协作攻关。