VLA与世界动作模型算法⼯程师

该职位来源于猎聘 岗位职责（具⾝⼤脑⽅向） 1. VLA/VLN算法研发与落地 研发基于多模态⼤模型的VLA（视觉-语⾔-动作）与VLN（视觉-语⾔-导航）架构。 负责⾼维语义指令（如⾏业SOP、⻓程作业规划）到具⾝技能基元（SkillPrimitives）的动态解码与编排，实现复杂开放场景下的⻓程任务执⾏。 设计并优化多模态时空思维链（Spatial-TemporalCoT），赋予模型在真实物理场景下的空间具象观察与逻辑推理能⼒。 2. 世界动作模型（WorldActionModel）的构建与探索 研发基于潜空间的世界动作交互模型，实现对城市动态环境（如⾏⼈博弈、⻋辆交互、抓取操作）的⾼质量前向模拟与未来状态⽣成。 结合⼤模型认知中枢（Agent），落地基于世界动作模型算法，解决操作和移动类的问题（统⼀通⽤模型）。 3. 具⾝对⻬与闭环反思（Reflection）机制建设 探索并落地基于强化学习（RL）的连续控制与对⻬技术，在传统离线⾏为克隆（BC）的基础上，进⼀步突破模型在复杂开放环境下的操作天花板与⾏为边界。 构建基于底层物理反馈的VLM闭环反思引擎，实现技能的动态重规划与端侧⾃治。 职位要求 1. 基础与学术背景 计算机、⼈⼯智能、机器⼈控制或相关专业硕⼠及以上学历。经历要求（满⾜其⼀即可）： 在具⾝智能和AI领域会议/期刊（如NeurIPS,ICLR,CVPR,ICRA等）以第⼀作者发表过VLM、VLA、RL、世界模型或端到端算法相关的⾼⽔平论⽂。 在⾏业头部具⾝智能企业或AI实验室拥有相关的核⼼算法研发与真机/仿真落地实习经验。 2. 核⼼技术栈 深⼊理解具⾝智能VLA与世界模型的前沿权威⼯作，熟悉并阅读过相关代表性论⽂和代码仓库（如PI (Physical Intelligence) 系列、Fast-WAM、OpenVLA等）。 熟悉主流的多模态⼤模型架构（如Qwen-VL,LLaVA,）及其⾼效微调技术（LoRA,DeepSpeed）。 对条件扩散模型（DiffusionModelsforPlanning）或视频/状态⽣成模型有深刻理解。 3. 具⾝Task闭环与评测Sense 完整跑通具⾝智能Task评估全流程：不仅会训练模型，更要对EmbodiedTask的仿真评测（Sim-to-Real）与真机、实⻋成功率指标体系有深刻的认知。 具备极强的TechnicalSense，能够从Task失败的录像/Log中敏锐定位是感知幻觉、策略崩塌还是物理执⾏越界，并提出有效的算法改进⽅案。 4. 编程与AI⼯程能⼒ 具备极强的PyTorch源码开发能⼒与⼤规模分布式训练经验。