【校招】物理世界模型算法青年研究员-物理智能中心

1.面向物理世界理解、预测与交互，开展物理世界模型的前沿算法研究，探索能够支撑具身智能体自主决策、行动与持续学习的模型架构和学习方法。 2.研究融合视觉、语言、空间几何、机器人状态及动作等信息的统一表征，探索多模态理解、未来预测与行为生成的协同建模机制。 3.研究视频、三维/四维及潜在空间中的世界建模方法，提升模型对物体运动、空间关系、接触交互及环境状态演化的预测能力，增强时空一致性与物理合理性。 4.研究动作条件世界模型及其与机器人行为模型的融合方法，探索基于未来预测、想象推演和交互反馈的动作生成、任务规划与闭环控制。 5.研究从大规模人类视频、机器人数据和仿真数据中学习物理世界知识的方法，探索预训练、后训练、知识蒸馏、强化学习及在线自适应等技术，提升模型的泛化与迁移能力。 6.构建覆盖物理理解、未来预测和闭环任务执行的评测方法，开展算法原型、仿真系统及真实机器人实验，分析模型能力边界并持续迭代。 7.跟踪世界模型、多模态学习、生成模型及具身智能领域的前沿进展，提出具有长期研究价值的问题，形成高水平论文、专利及开源成果。

1.计算机科学、人工智能、机器人、自动化、电子工程、应用数学等相关专业博士学历，或具有同等科研能力。 2.在世界模型、多模态学习、计算机视觉、生成模型、机器人学习、强化学习等相关方向具有扎实的理论基础和研究经验。 3.在以下至少一个方向具有深入研究经历：视频生成与预测、三维/四维场景建模、视觉语言模型、时空表征学习、自监督学习、机器人行为模型、模仿学习或强化学习。 4.具有较强的问题抽象和算法创新能力，能够围绕物理世界的理解、预测与交互提出研究问题，并独立完成方法设计、实验验证及研究迭代。 5.具备良好的科研工程能力，熟悉 Python、PyTorch 等工具，能够独立实现模型、组织训练与评测，并通过系统实验分析模型行为和性能。 6.在 NeurIPS、ICLR、ICML、CVPR、ICCV、ECCV、CoRL、RSS、RA-L 等人工智能、计算机视觉或机器人领域高水平会议、期刊发表过相关成果者优先；具有大规模模型训练、多源数据学习或真实机器人验证经验者优先。 7.对物理世界智能与通用人工智能具有强烈兴趣，具备自主研究能力、创新意识、严谨的实验习惯和良好的跨学科协作能力。