1.VLA算法研发与优化。设计并实现先进的VLA模型架构，提升模型在机器人任务中的视觉理解、语言推理与动作生成能力；
2.探索多模态表征学习、模仿学习（IL）、强化学习（RL）等技术的融合应用，优化动作策略的精确性与鲁棒性；
3.机器人数据闭环构建和数据质量把控。搭建机器人场景数据采集系统，涵盖视觉、语言指令、动作轨迹等多模态数据。根据模型表现迭代数据采集方法，构建高质量机器人训练数据集；
4.模型部署与系统集成。将VLA模型部署至机器人硬件平台，实现低延迟实时推理。最终联合机器人运动控制模块，完成从感知-决策-执行的端到端闭环验证；
5.算法落地与性能调优。在真实机器人场景（如抓取、导航、人机协作）中测试模型性能，持续迭代优化算法。
1.自动化、计算机、机器人等相关专业硕士以上学历；
2.精通Python，熟悉C++；熟练掌握PyTorch/TensorFlow框架，具备模仿学习（IL） 或强化学习（RL） 在多关节机器人（机械臂/灵巧手）的训练经验；
3.熟悉VLA主流模型架构（如RDT, PI0, GROOT）及多模态融合技术，具备机器人数据采集、处理及模型部署经验；
4.了解机器人学基础（正/逆运动学、动力学、规划），具备机器人操作系统（ROS/ROS2） 开发经验优先；
5.在CoRL/IROS/ICRA/CVPR/ICCV等会议发表机器人学习相关论文优先。
