世界模型（World Action Model）算法研究员 / 实习生

岗位方向：世界模型 × 具身智能 × 机器人长期预测与决策 岗位职责 1. 面向机器人场景开展 World Action Model 研究，基于视觉、深度、动作、接触力等多模态数据，构建机器人可理解、可预测、可规划的世界模型。 2. 复现、验证并部署社区主流世界模型方向工作，建立可对比、可迭代的实验 baseline。 3. 构建面向机器人任务的多模态数据集，覆盖视觉、深度、动作、接触力等信息，推动世界模型适配真实具身环境。 4. 探索更适合机器人控制的实时、可交互、长时序世界模型，使模型能够服务通用场景下的机器人任务。 5. 结合强化学习策略学习，提升世界模型在真实任务中的稳定性、预测能力和可用性。 6. 在轮式/人形机器人平台上验证世界模型的预测精度与规划性能，推动算法从离线实验走向真实机器人闭环。 7. 跟踪世界模型、视频模型、机器人学习等方向的最新进展，持续提出可验证的新思路和新实验。 任职资格 【任职要求】 任职资格 1. 熟悉 Transformer、Diffusion、强化学习等主流算法，有扎实的机器学习和深度学习基础。 2. 熟悉 PyTorch / Lightning，能够独立完成模型训练、调参、实验分析和问题定位。 3. 对世界模型、视频模型、机器人预测 / 规划 / 建模有强烈兴趣，愿意长期投入前沿问题。 4. 具备较强代码能力和实验推进能力，能够把论文想法快速复现、验证并工程化落地。 5. 能够主动拆解复杂问题，设计清晰实验，并从失败结果中持续迭代模型路线。 6. 有视频模型训练经验，或有机器人任务中的预测、规划、建模经验者优先。 7. 有完整相关项目经验，能够展示从问题定义、模型实现到实验验证的闭环能力者优先。 8. 在 ICLR / ICML / NeurIPS / CVPR / CoRL / ICRA / IROS 等会议发表过相关论文，或有高质量开源项目、竞赛经历、顶尖实验室经历者优先。