人形机器人Whole Body VLA算法实习生

1. 大小脑融合架构研发：研发并优化人形机器人“大脑”（VLA大模型、视觉语言推理与任务规划）与“小脑”（强化学习运控、全身控制WBC）的协同控制架构，探索End-to-End或分层级（Hierarchical）的模态对齐与指令下发机制。

2. 全身移动操作（Mobile Manipulation）策略生成：基于扩散模型（Diffusion Policy）或自回归策略，结合强化学习，生成上肢灵巧操作与下肢动态移动高度协同的高维连续动作，解决动态抓取、行进间操作等复杂Whole-body任务。

3. 高保真仿真与Sim2Real迁移：在仿真环境中构建涵盖视觉/深度传感器渲染与复杂物理接触的全身交互场景，设计针对大小脑联合系统的域随机化（Domain Randomization）与因果推断策略，打通全链路的Sim2Real部署闭环。

4. 多模态数据闭环与工程优化：协助搭建支持全身移动操作的数据采集管线，清洗并构建高质量的数据集；通过模型剪枝、量化（TensorRT/MNN）及蒸馏技术，实现算法在机器人边缘端的实时高效推理。

5. 2027年及以后毕业，可连续实习4个月及以上，人工智能、机器人、计算机、自动化等相关专业硕士/博士在读。

6. 具备具身算法基础：深入理解具身基础模型（如RT系列、OpenVLA、Diffusion Policy、Pi系列等），同时对底层机器人强化学习（PPO、SAC）有一定认知。

7. 熟练使用高保真物理仿真器（如Isaac Sim、MuJoCo），熟悉基于GPU的大规模并行仿真及渲染管线。

8. 具备优秀的Python与C++编程能力，熟悉PyTorch框架，有模型轻量化部署经验者优先。

【加分项】

1. 有实体人形机器人、双足机器人或复合移动机器人的全系统（感知+控制）实机调试与部署经验。
2. 熟悉动捕设备、VR遥操作或外骨骼设备，有Whole-body数据采集与处理经验。
3. 在具身智能、机器人或机器学习顶级会议/期刊（RSS、ICRA、ICLR、CVPR等）发表过相关论文。
4. 在RoboMaster、RoboCup等权威机器人竞赛中取得优异成绩。