具身智能世界模型算法工程师

职位描述

1. 世界模型架构实现

-参与AWE世界模型核心模块的工程实现，包括预测模型、奖励模型、终止模型等组件的开发与优化。

-实现隐空间世界模型，在高维观测数据（视觉、本体感知）的压缩表征中进行未来状态预测，支持长程任务的规划与决策。

-开发生成式预测模块，利用扩散模型、Transformer等技术实现对物理环境未来状态的多模态预测。

2. 物理建模与Sim-to-Real

-构建可微物理仿真模块，与仿真器（Isaac Sim、MuJoCo）深度集成，实现世界模型与物理引擎的双向耦合。

-开发动力学预测模块，精确建模机器人本体动力学、接触动力学、驱动延迟等物理效应，提升预测准确性。

-利用世界模型进行Sim2Real对齐：通过对抗训练、隐空间对齐等技术，缩小仿真与现实的性能差距。

3. 规划与控制融合

-实现基于世界模型的隐式规划器，在隐空间中进行轨迹搜索与优化，支持复杂任务的自主决策。

-设计快慢脑协同架构：慢脑（世界模型）负责场景推演与轨迹规划，快脑（运动控制策略）负责实时动作执行。

-实现不确定性感知的决策，利用世界模型的预测不确定性进行风险控制，确保操作安全。

4. 工程落地与优化

-构建数据闭环系统，融合真实遥操数据与仿真数据，支撑世界模型的持续迭代训练。

-优化模型推理性能，通过量化、剪枝、算子融合等技术，实现世界模型在机器人边缘端的实时运行。

-完成世界模型在实体机器人上的部署与调试，与运动控制、感知团队协同，解决系统集成问题。

任职要求

1. 算法与模型能力

-深入理解主流世界模型架构（Dreamer系列、TD-MPC2等），有实际复现或改进经验；

-熟悉Transformer、扩散模型等生成式架构，具备多模态数据处理经验；

-掌握隐空间建模、表征学习、自监督训练等技术；

-了解模型基强化学习与无模型强化学习的结合方法。

2. 机器人学与物理基础

-扎实的机器人运动学、动力学基础，熟悉URDF/SDF建模标准；

-深入理解接触动力学、刚体仿真原理；

-熟悉高保真物理仿真环境（Isaac Sim、MuJoCo、Gazebo）的深度开发。

3. 工程与编程能力

-优秀的Python/C++编程能力，熟悉PyTorch/JAX等框架，注重代码质量与工程规范；

-具备大规模分布式训练经验（多机多卡）；

-熟悉ROS2实时控制框架，有机器人实机部署经验；

-具备模型轻量化（量化、剪枝）和边缘端部署经验。

4. 加分项

-在CoRL、ICRA、IROS、NeurIPS等会议发表过世界模型、模型基RL相关论文；

-主导过世界模型驱动的机器人控制系统并成功部署到实体平台；

-在权威机器人竞赛（RoboCup、DARPA等）中取得优异成绩；

-具备足式机器人或机械臂运动控制实际项目经验。