机器人全身运动控制工程师

职位描述

岗位背景

我们正在构建面向真实人形机器人的全身 VLA（Vision-Language-Action）统一模型，目标是让机器人能够在复杂物理环境中，基于视觉与语言指令，完成稳定、可泛化的全身运动与操作任务。该岗位将深度参与从模型设计、数据构建、训练策略到仿真与真机部署的完整技术链路，是团队的核心技术角色之一。

岗位职责

1、全身 VLA 模型设计与研发

参与设计和实现面向人形机器人的 Vision-Language-Action 统一模型架构

将视觉、语言、高维状态与全身动作空间进行有效融合，支持行走、操作、交互等复杂任务

探索适用于人形机器人的 端到端 / 分层 / 混合式 VLA 控制范式

2、全身动作表示与控制接口

设计适合人形机器人的 全身动作表示（关节空间、任务空间、分层控制等）

将 VLA 模型输出与底层控制系统（如 WBC、阻抗控制、RL policy）进行对接

处理稳定性、安全性、实时性等工程约束

3、数据构建与训练策略

参与构建多模态训练数据（视觉、语言、状态、动作、接触等）

设计并实现：

仿真数据生成与自动采集

真机数据采集与回放

模仿学习 / 离线 RL / 强化学习 / 后训练策略

探索数据规模、质量与泛化能力之间的权衡

4、仿真-真机闭环与模型评估

在高保真仿真环境中验证模型能力，并推进向真实人形机器人迁移

与测试、控制、硬件团队协作，建立模型评估指标与 benchmark

分析模型失败案例，推动模型与数据的持续迭代

5、前沿技术调研与落地

跟踪并评估前沿工作（VLA、VLM、全身控制、世界模型等）

将合适的方法转化为工程可落地的系统方案

参与团队长期技术路线规划

任职要求

基本要求

硕士及以上学历，计算机、机器人、自动化、人工智能等相关方向

扎实的机器学习 / 深度学习基础，对模型训练与优化有实践经验

熟练使用 Python，熟悉 PyTorch / JAX 等主流框架之一

对机器人真实物理约束与工程落地有基本认知

机器人与模型相关背景（满足部分即可）

有以下至少一项经验：

强化学习 / 模仿学习在机器人上的应用

人形机器人或复杂多自由度系统控制

VLM / 多模态模型在 embodied 场景中的应用

理解或参与过：

Whole-body control / motion tracking

高维动作空间建模

接触、稳定性、动力学约束等问题

工程能力

熟悉 Linux 开发环境，具备良好的工程实现与调试能力

能够阅读和理解较大规模代码库

具备一定实验设计、结果分析与复现能力

加分项（非必须）

有人形机器人、四足机器人、机械臂等真实平台经验

熟悉 Isaac Sim / Isaac Lab / Mujoco 等仿真工具

有大规模数据训练、分布式训练或多卡训练经验

熟悉 ROS / ROS2、机器人中间件

参与过 VLA / VLM / 世界模型 / Foundation Model 相关研究或开源项目

技术栈示例（非限制）

模型：Transformer、Diffusion Policy、VLM + Policy Head、World Model

学习范式：Imitation Learning、Offline RL、RLHF、Post-Training

仿真：Isaac Sim / Isaac Lab / Mujoco

部署：WBC、阻抗控制、策略蒸馏、模型压缩

我们能提供

深度参与人形机器人通用智能核心模型的机会

从数据到真机的完整技术闭环

与算法、控制、仿真、硬件多方向工程师紧密合作

有竞争力的薪酬与长期发展空间

适合这样的人

希望解决“如何让机器人用一个模型完成真实世界复杂任务”的问题

对人形机器人、具身智能、全身控制有长期投入意愿

能接受研究与工程高度交织的工作方式