6 个岗位· 2026-08-18

岗位使命：负责通用人形机器人基座模型的 VLA 全链路研究，让机器人完成导航、灵巧手操作、移动操作（Loco-manipulation）等多种真实任务，并让模型能力随数据、模型规模和训练计算持续增长。 你将负责： - 负责 VLA 的数据构建、Pre-training、Post-training 和评测。 - 研究人形机器人导航、灵巧手操作和移动操作（Loco-manipulation），建设统一导航、灵巧操作和移动操作的通用 VLA 模型。 - 研究和优化 VLA 模型架构，探索 Linear Attention、KDA 等高效序列建模方法，提升模型对长时序任务和复杂动作序列的建模与推理能力。 - 建设多模态和机器人数据的清洗、配比、标注、合成与质量评估流程。 - 提升模型在跨任务、跨场景、跨本体和长时程任务中的泛化能力。 - 研究 VLA 之上的顶层 Agent，负责任务分解、高层规划与长时程任务决策。 - 将模型部署到真实人形机器人，并根据真机结果持续迭代。

- 深入理解 Transformer、VLM、VLA 或多模态生成模型。 - 在导航、灵巧手操作、Loco-manipulation、机器人学习或具身智能中的一个或多个方向有研究或工程经验；无需同时精通所有方向，欢迎在一个方向有深度并愿意拓展到完整链路。 - 至少完整参与过一次较大规模模型训练，熟悉 Pre-training、Post-training、RL 中至少一个方向。 - 能够分析训练曲线、数据问题、模型退化、推理瓶颈和评测偏差，有很强的工程实现和实验能力。

工作地点：仅限北京。 岗位使命：构建人形机器人的"运动小脑"——研发类似 SONIC 的通用全身运动模型，将任务目标、机器人状态和运动指令转化为连续、协调、可在真机执行的全身动作。 你将负责： - 研发类似 SONIC 的通用全身运动模型，基于强化学习学习可复用、可组合、可迁移的全身运动技能。 - 研究 Motion Tracking、运动技能表示、动作生成、运动重定向、状态估计和 Sim-to-real。 - 探索运动小脑与 VLA、高层任务规划及机器人实时执行系统之间的接口。 - 参与真实人形机器人的遥操作系统和遥操数据采集，建立高质量的行为数据闭环。 - 完成从仿真、强化学习策略训练到真实硬件部署的完整闭环，处理接触、摩擦、时延、噪声、模型误差和硬件约束等真实问题。

- 熟悉强化学习、Whole-body Control、Motion Tracking、Motion Retargeting、运动技能学习或 Sim-to-real 中的一种或多种。 - 有使用强化学习训练人形机器人全身运动策略的经验，理解奖励设计、Domain Randomization 和真机迁移。 - 熟悉机器人运动学、动力学和状态估计，具备扎实的 C++、Python 和 Linux 工程能力。 - 有真实机器人调试经验，能够独立定位软硬件链路中的问题；有遥操作或遥操数据行为学习经验者优先。

岗位使命：建设高性能、高可靠、可扩展的模型训练和推理基础设施，让训练更快、推理延迟更低、算力利用率更高，并显著缩短从实验到真机验证的周期。 你将负责： - 建设 VLM/VLA 的分布式训练、Post-training 和 RL 基础设施。 - 优化训练吞吐、显存利用率、通信效率和计算资源利用率，负责并行策略、Checkpoint、容错恢复和任务调度。 - 优化模型推理，包括 Serving、Batching、KV Cache、量化、编译和 Kernel 优化。 - 建设从实验提交、资源调度、指标监控到模型产物管理的完整研发平台。 - 优化模型在服务器和机器人端的部署效率、稳定性和延迟。

- 熟悉 PyTorch、CUDA、Triton、NCCL 或相关训练与推理系统。 - 理解数据并行、张量并行、流水线并行、序列并行或专家并行中的一种或多种。 - 能够使用 Profiling 工具定位系统瓶颈，并通过实验验证优化效果。 - 熟悉 Linux、容器、集群调度、分布式存储和可观测性系统，对系统性能敏感，愿意深入框架、Runtime 和 Kernel 解决问题。

岗位使命：以 MetaBot 为核心构建 Agent Infra，作为自进化组织的基础设施，让 Agent 深度参与研发、业务和组织的每一个环节，驱动整个组织的自我进化。 你将负责： - 负责 MetaBot 的前端、后端、App、产品体验和系统架构开发。 - 构建 Agent Harness：上下文管理、任务编排、工具调用、执行循环、状态管理、权限控制和结果交付。 - 建设多 Agent 协作、长时间任务、异步执行、定时任务、消息总线和跨设备协作等 Agent Infra 核心能力。 - 将 Agent Infra 接入模型训练、实验管理、数据处理、公司业务和机器人研发工作流，支撑组织的持续自我进化。

- 能独立完成前端、后端和 App 开发，并对完整产品结果负责。 - 熟悉 TypeScript、React、Python、Go、Rust 等技术栈中的一种或多种，理解分布式系统、任务队列、数据库和部署运维。 - 使用过或深入研究过 Agent Harness、Tool Calling、MCP，或 Agent 的进程、会话、工具与环境集成。 - 既能深入底层系统解决稳定性问题，也能从用户视角打磨交互体验。 - 对 Agent 如何成为自进化组织的基础设施有自己的判断。

岗位使命：通过 Recursive Self-Improvement 加速 Humanoid Foundation Model 的研发，让 AI 系统持续提升人形机器人基座模型的研究效率、实验质量和技术迭代速度。 你将负责： - 研究并构建面向 Humanoid Foundation Model 研发的 Recursive Self-Improvement 系统。 - 让 Agent 提出假设、阅读代码和论文、设计并执行实验、分析结果并迭代方案。 - 建设研究过程中的记忆、反馈、评测、反思和自我改进机制。 - 将研究人员的经验沉淀为可复用的工具、工作流和训练数据。

- 对智能自我改进、Agent、自动化研究或 AI Scientist 有强烈兴趣，并希望将其用于人形机器人基座模型研发。 - 熟悉 LLM、Agent、强化学习、搜索、评测或程序合成中的一个或多个方向。 - 能独立完成从研究假设、原型开发到实验验证的完整过程，有很强的代码能力和快速实验能力。

岗位使命：为人形机器人构建"梦境"——用 Vibe Coding 和 Agentic Workflow 构建 GTA 级别的高保真仿真城市与合成数据管线，让机器人模型在梦中持续学习、快速成长。 你将负责： - 用 Agent 构建城市级高保真仿真环境——建筑、街道、光照、天气、行人与动态交互元素，达到 GTA 级的规模与真实感，且完全可物理交互，让人形机器人能够在其中真实执行任务。 - 设计并构建高效的合成数据 Agentic Workflow，让场景生成、数据采集、筛选与评估全自动运转。 - 建设数据质量与真实感评估体系，确保合成数据真正提升模型能力。 - 与 VLA 和运控团队协作，定义数据规格与接口，打通从仿真到真机的数据链路。

- 有极强的 Agent Engineering / Vibe Coding 能力，善于用 Agent 构建高效的 Agentic Workflow，把复杂流程做成稳定可靠的自动化系统。 - 熟悉 Isaac Sim/Lab、MuJoCo 等物理仿真工具链者优先，能构建完全可物理交互的机器人仿真场景尤佳。 - 熟悉 3DGS（3D Gaussian Splatting）等场景重建与渲染技术者优先。 - 有游戏 3D 建模、技术美术（TA）、程序化生成（PCG / Houdini）或游戏引擎（Unity/Unreal）开发经验者优先。 - 有仿真环境、数字资产管线或大规模场景生成的实际构建经验。 - 理解机器人模型训练的数据需求，能与模型团队高效协作。