灵巧操作模型实习生（力触建模方向）· 2026-11-05

面向灵巧操作的世界模型研发，探索视觉、力觉与触觉多模态信息的融合建模。

你将深度参与面向灵巧操作的世界模型研发，重点探索视觉与力觉、触觉等多模态信息的融合建模，参与模型架构设计、预训练与微调、数据处理等核心工作。 一、世界模型架构设计与力触建模 1. 参与面向灵巧操作的世界模型架构设计，探索视觉、力觉、触觉等多模态信息的融合方式，优化模型对接触状态、物理交互及动态变化的表征能力。 2. 参与模型结构优化与实验验证，分析不同模态输入及融合策略对模型训练效果的影响，探索更高效的多模态建模方案。 二、世界模型预训练与微调 1. 参与 VLA/WAM 模型的预训练与微调，结合视觉、力/触觉及动作数据，开展模型训练、参数调优与实验迭代。 2. 分析并解决训练过程中遇到的收敛异常、训练不稳定、过拟合及多模态学习不平衡等问题，持续优化训练策略与模型性能。 3. 参与训练实验设计与结果分析，对比不同模型结构、数据配比及训练策略的效果，沉淀可复用的训练经验与优化方案。 三、多模态数据处理与预训练适配 1. 参与视觉、力觉、触觉及机器人动作等多模态数据的处理，完成数据清洗、时序同步、切片及格式转换，为模型预训练提供高质量数据。 2. 分析力/触觉数据的分布特点与质量问题，优化数据筛选、采样及模态对齐策略，提高训练数据的有效性和多样性。

1. 每周至少 4 天投入，线下优先（情况特殊可考虑远程）。 2. 具有 VLA、WAM、视频世界模型或多模态基础模型的训练、预训练或微调经验，熟悉 Transformer、Diffusion、Flow Matching 等相关模型架构及训练方法。 3. 了解机器人力觉、触觉信号的基本特点及其在操作任务中的作用，对视觉与力/触觉信息的联合建模、多模态融合或接触状态建模有一定理解。 4. 熟悉常见的数据处理流程，具备多模态数据清洗、时序对齐、格式转换或高效数据加载相关经验。 加分项： 1. 有视觉-力觉-触觉多模态建模、触觉表征学习、接触感知或力预测相关研究与实践经验。 2. 了解六维力/力矩传感器、触觉传感器等信号特点，具备力/触觉时间序列处理或多模态对齐经验。 3. 关注具身智能、灵巧操作及物理世界模型领域的最新研究进展，有相关论文或开源项目经验。