全身运控操作研究员

职位描述

岗位背景

我们正在开展面向足式 / 人形机器人的 Loco-Manipulation（运动-操作一体化）研究，目标是构建能够在真实物理环境中完成稳定行走、全身操作与复杂任务执行的智能系统。该岗位将聚焦 运动与操作的统一建模、学习与控制，并探索 Vision-Language-Action（VLA）与多模态模型 在 loco-manipulation 场景中的实际落地。

岗位职责

1、 Loco-Manipulation 核心研究

开展足式 / 人形机器人 loco-manipulation 相关研究，包括但不限于：

行走-操作耦合建模

动态稳定性与接触切换

全身协调控制与学习

探索 locomotion 与 manipulation 在动力学、规划与学习层面的统一表示

2、学习方法与模型设计

研究并应用强化学习、模仿学习、离线 RL 等方法于 loco-manipulation 场景

探索 基于策略模型 / world model / diffusion policy / transformer 的全身控制方法

结合 VLA（Vision-Language-Action）或多模态模型，实现高层任务理解与低层全身动作生成的衔接

3、多模态与 VLA 方向探索

将视觉、语言、状态与动作引入 loco-manipulation 闭环

参与或主导以下方向之一或多个：

语言条件下的运动-操作任务执行

视觉感知驱动的全身交互

多模态模型在复杂接触任务中的应用

探索多模态模型在机器人场景下的可控性、可解释性与安全性

4、仿真与真机验证

在高保真仿真环境（如 Isaac Sim / Mujoco）中设计实验并验证算法

参与真实足式 / 人形机器人平台上的测试与验证

分析失败案例，推动算法、模型与系统的持续改进

5、学术研究与成果输出

跟踪并评估国际前沿研究方向（loco-manipulation、VLA、具身智能等）

以第一作者或主要作者身份在 顶级会议/期刊（如 RSS、ICRA、IROS、CoRL、NeurIPS、ICLR 等）发表论文

参与专利、开源项目或技术报告的撰写

任职要求

学历与研究背景

博士学历优先（机器人、自动化、计算机、人工智能等相关方向）

硕士学历但具备优秀研究成果（高水平论文 / 突出项目）者可放宽

扎实的数学与控制 / 机器学习基础

必备技术背景

具备足式机器人相关研究或项目经历，包括但不限于：

四足 / 人形机器人行走控制

动态平衡、接触建模

Whole-body control 或运动规划

对 loco-manipulation 问题有深入理解或实际研究经验

VLA / 多模态相关要求（至少一项）

具备以下之一的研究或项目经历：

Vision-Language-Action（VLA）模型

多模态模型（视觉 + 语言 + 动作）

VLM / LLM 在机器人或 embodied AI 场景中的应用

理解多模态模型在机器人控制中的优势与局限

工程与实验能力

熟练使用 Python，熟悉 PyTorch / JAX 等深度学习框架之一

熟悉 Linux 开发环境，具备良好的实验复现与系统调试能力

能够在仿真与真机之间建立可靠实验闭环

加分项（非必须）

有 人形机器人 loco-manipulation 实际研究经验

熟悉 Isaac Lab / Isaac Sim / Mujoco 等仿真平台

有大规模数据训练、多卡/分布式训练经验

有真实机器人系统调试与长期实验经验

有跨学科背景（控制 + 学习 / 机器人 + 多模态模型）

我们能提供

聚焦 国际前沿问题 的研究环境

高自由度的研究空间与真实机器人平台支持

鼓励高水平论文与长期技术积累

与算法、控制、硬件、系统多方向专家紧密合作

有竞争力的薪酬与科研发展支持

我们期待这样的你

对 loco-manipulation + 多模态智能 有长期研究兴趣

能在复杂问题中进行系统性思考

既关注理论深度，也重视真实机器人验证

希望推动人形 / 足式机器人走向真实世界