世界模型算法工程师（支持校招）
职责
世界模型研发与优化：负责研发和优化世界模型算法，构建机器人的环境感知、状态预测和决策规划能力，提升机器人在复杂环境中的自主决策和适应性；
多模态数据融合：开发适用于机器人端到端操作的多模态世界模型，整合视觉、语言、触觉等多模态信息，构建统一的环境表征和动态预测模型；
时空特征学习：设计和优化机器人视频表征学习方法，从多模态数据中提取有效的时空特征表示，提升机器人的视觉空间推理和环境理解能力；
强化学习与仿真：研究基于世界模型的机器人强化学习技术，开发高效的仿真环境，提升机器人在现实世界中的学习效率和泛化能力；
技术前沿跟踪：跟踪世界模型、多模态学习、机器人学等领域的最新研究进展，推动技术创新和产业化应用落地。
能力要求
专业背景：具有计算机视觉、人工智能、机器人学、认知科学等相关专业背景或相关行业工作经验；
编程能力：熟练掌握主流深度学习框架（如PyTorch、JAX），具备优秀的编程能力和代码工程化经验；
模型理解：对世界模型、生成模型（如Diffusion、GAN、Flow、Transformer等）有深入理解，有大规模模型训练经验，熟悉相关评测方法和基准测试；
表征学习：熟悉多模态表征学习方法，能够从视频、图像、文本等数据中提取有效的特征表示，具备时序建模和动态预测经验；
机器人技术：了解机器人端到端操作模型（如ACT、Diffusion Policy、OpenVLA、RT-2、pi0等）及视觉-语言-导航大模型的前沿进展；
强化学习：具备机器人强化学习技术经验，有真实环境下的实施和优化经验，熟悉仿真到现实的迁移学习；
分布式训练：具备大规模分布式训练经验，能够处理海量多模态数据和大型模型，熟悉模型并行和数据并行技术；
个人素质：具有强烈的技术热情、创新思维和持续学习能力，能够独立思考和解决复杂技术问题。
加分项（选填）
学术背景：在ICML、NeurIPS、ICLR、ICCV、CVPR、CoRL等会议发表论文，或在ACM等程序设计竞赛中获奖者优先考虑
