具身算法实习生—大模型后训练方向· 2026-11-04

你将参与具身智能大模型面向真实机器人操作任务的后训练算法研发，围绕VLA/WAM模型，探索模仿学习、人类在环纠正与强化学习相结合的策略优化方法。在团队指导下，参与“示范采集—策略微调—真机交互—强化学习优化—闭环评测”的研发流程，提升机器人策略的样本效率、执行稳定性与任务泛化能力。

具身大模型后训练：参与VLA/WAM模型的后训练实验，包括示范数据处理、监督微调、离线强化学习及在线策略优化，协助完成模型适配、训练调参与效果分析。 真机强化学习算法研发（核心方向）：面向真实机器人操作任务，参与强化学习算法的复现、实现与改进，协助开展奖励设计、价值估计、经验回放与策略更新实验，探索提升交互样本效率与训练稳定性的方法。 人类在环与模仿学习融合：参与示范轨迹、人工接管纠正数据及成功与失败样本的整理和分析，探索不同数据配比与训练机制对任务成功率、失败恢复能力的影响。 真机闭环实验与评测：配合算法及机器人系统团队，参与数据采集、策略部署、真机测试与问题定位，在既定安全规范下开展实验，围绕任务成功率、交互样本效率、执行稳定性与跨场景泛化表现评估算法效果。 前沿研究与技术沉淀：跟踪具身大模型后训练、机器人强化学习及世界模型相关研究，完成论文阅读、关键方法复现与消融实验，沉淀实验记录、技术报告和可复用代码。

专业背景：计算机、人工智能、自动化、机器人、数学等相关专业在校生，硕士或博士研究生优先；对具身智能与机器人学习有持续兴趣，基础扎实、有相关项目经验的本科生亦可。 算法基础：具备扎实的机器学习与深度学习基础，理解强化学习与模仿学习的基本原理；在行为克隆、离线强化学习、在线强化学习等至少一个方向具备课程项目、科研或算法复现经验。 模型与策略学习基础：了解VLA/WAM、多模态模型或机器人策略学习的基本概念；对OpenVLA、π系列、GR00T系列、ACT、Diffusion Policy、RT系列中的一种或多种有学习或实践经历，能够阅读相关论文与代码。 编程与实验能力：熟悉Python，掌握PyTorch、JAX等至少一种主流深度学习框架，能够完成数据处理、模型训练、实验评测与基础调试；具备良好的代码规范和实验记录习惯。 机器人学习兴趣与实践意识：了解机器人观测、动作与策略执行的基本流程，愿意参与真机数据采集和实验调试，关注真实交互中的安全约束、动作时延、环境重置与训练成本。 研究与协作能力：能够阅读英文技术论文，在指导下推进明确的研究或工程任务，主动反馈问题，并通过对照实验与数据分析验证想法。 加分项： 有真实机器人上的模仿学习、强化学习、策略部署或闭环评测经验，能够结合任务成功率、交互样本量等指标说明实验结果。 有VLA/WAM模型微调，或基于扩散／流匹配策略开展机器人学习的实践经验。 了解或复现过HIL-SERL等真机强化学习方法，或使用过RLinf等相关训练框架。 有人类在环纠正、遥操作数据采集、离线数据与在线交互数据融合训练经验。 有机械臂、双臂、灵巧手、人形机器人或移动操作机器人的相关项目经验。 在ICML、NeurIPS、ICLR、CVPR、ICRA等会议发表相关论文，或有高质量具身学习、强化学习开源项目贡献。