具身算法工程师（VLA / 具身智能方向）

职位描述

1、前沿技术调研与选型：深度追踪并调研国内外具身智能与 VLA领域的最新进展（如 OpenVLA、pi0/pi0.5 等架构），评估其在餐饮后厨、门店服务等复杂场景下的可行性，完成关键模型的选型；

2、模型改进与场景定制：针对海底捞特有的多任务、强交互场景，改进现有的开源或前沿 VLA 模型架构。研究图像、文本指令与机器人运动轨迹的深度对齐，提升模型在复杂物体操纵、动态避障等任务中的泛化能力；

3、门店设备自动化落地：负责将优化后的具身智能算法部署并应用到海底捞门店的实体设备中，通过闭环控制算法切实提升门店设备的自动化率与协同效率；

4、混合数据工程：构建并优化海底捞场景的具身专用数据集。制定真实门店机器人采集数据、高保真仿真数据以及互联网多模态数据的混合训练策略；

5、仿真探索与 Sim-to-Real：利用 Isaac Sim 等框架构建高保真后厨门店仿真环境，开展大规模模仿学习与强化学习训练，攻克 Sim-to-Real 的领域迁移难题；

6、端侧部署与性能调优：针对门店边缘侧算力平台进行模型的量化、剪枝与推理加速，实现低延迟、高可靠性的端侧闭环控制。

任职要求

1、核心背景：计算机、机器人、人工智能相关专业硕士/博士，具有扎实的深度学习理论基础，对餐饮或供应链自动化有强烈热情；

2、项目落地经验：具备实际的 VLA、具身智能或大模型控制机械臂/机器人的项目落地经验。熟悉从数据采集、模型微调、Sim-to-Real 迁移到实体硬件联调部署的全流程，并有可量化的技术落地成果；

3、模型与实战能力：深入理解 Transformer 及主流大模型（LLM/VLM）的微调技术（LoRA, Full Fine-tuning）；精通 PyTorch，具备大规模模型分布式训练经验（DeepSpeed, Megatron-LM 等）；

4、数学与工程功底：精通线性代数、空间几何变换、概率论，能清晰理解并推导运动学与动力学约束；

5、自驱与敏锐度：具备极强的工程落地导向思维，能够从繁杂的实际门店业务中抽象出技术问题，并通过对前沿论文的快速复现与改进来解决实际问题。

【加分项】

1、资深大模型/VLM 背景：具有长期从事大模型（LLM/VLM）全流程研发的经验；2、在基座模型预训练、大规模指令微调、RLHF（人类反馈强化学习）或多模态对齐方面有深厚的技术沉淀，能够从底层原理解析并改造 Transformer 架构；

3、硬核工程落地与架构能力：在过往业务中主导过工业级大模型或具身智能系统的全栈落地。具备极强的代码架构能力，对分布式训练集群调优、百万级海量多模态数据清洗与组织、以及高并发/低延迟的端侧闭环推理架构有实战调优经验；

4、前沿成果转化力：具备极强的论文复现与魔改能力。深度追踪或在顶级学术会议（CVPR, ICCV, NeurIPS, ICRA, IROS 等）发表过关于 VLA 等前沿方向的研究成果，并能迅速将其转化为生产力；

5、复杂仿真与迁移经验：熟练使用 Isaac Gym / Isaac Lab 等工具进行过大规模并行强化学习或模仿学习训练，在解决 Sim-to-Real（仿真到真实世界）的领域迁移、Sim 误差补偿、跨模态动作泛化等方面有独到见解和成功经验。