机器人视觉研发工程师

硕士及以上学历，计算机科学、机器人学、自动化、人工智能、计算机视觉、机械电子等相关专业；具有扎实的数学基础（线性代数、空间变换、概率统计、优化理论）。 VLA/VLM模型实战经验 · 具备VLA模型训练或微调的动手经验，熟悉OpenVLA、RT-2、Octo、π0等主流VLA架构中的至少一种 · 深刻理解VLM（如LLaVA）向VLA（如RT-2）演进的原理，掌握Transformer、ViT等核心架构 · 熟悉多模态对齐方法，包括SFT指令微调、RLHF/RL策略优化，具备将视觉-语言表征与动作空间对齐的实际项目经验 视觉感知算法能力 · 精通2D/3D视觉算法开发，包括目标检测、语义/实例分割、6D位姿估计、点云处理（滤波、分割、配准、特征提取） · 熟练掌握视觉编码器（Vision Encoder）的优化与改进，能提升模型对3D空间位置、物体几何属性及材质（透明/反光物体）的感知能力 · 熟悉相机标定、手眼标定、多视图几何、三维重建等基础视觉工程能力 · 具备多传感器融合经验，能够整合RGB/RGBD相机、力觉、触觉等多模态感知信息 工程开发能力 · 精通Python和C++，熟练使用PyTorch深度学习框架，具备多GPU训练和混合精度训练经验 · 熟悉ROS/ROS2机器人操作系统，有MoveIt2或OMPL的实际开发经验 · 熟练使用MuJoCo、Isaac Sim/Isaac Gym、Gazebo等物理仿真环境进行算法验证与数据生成 · 具备模型量化与加速经验（TensorRT、ONNX Runtime），有嵌入式端（Jetson Orin等）部署经历者优先 数据集与训练经验 · 有大规模多模态数据处理经验，熟悉机械臂操作数据集（BridgeData、RT-X、Open X-Embodiment、RH20L等） · 了解模仿学习、行为克隆、Diffusion Policy等动作生成范式，对Sim-to-Real迁移有实战认知 三、加分项 · 在CoRL、ICRA、IROS、CVPR、NeurIPS等顶会/顶刊发表过VLA、机器人视觉或多模态学习相关论文 · 有生成式动作模型（Diffusion Policy、Action Chunking）的实际项目经验 · 熟悉开源机器人大模型生态（OpenVLA、Octo、Pi0、LeRobot），有实际改进或复现经验 · 具备强化学习（PPO、SAC）或模仿学习在真实机械臂上的部署经验 · 有机器人竞赛（Robocon/RoboMasters等）参赛获奖经历 · 有视觉伺服（IBVS/PBVS）控制算法的开发经验 四、软性素质 · 对具身智能与机器人技术有强烈兴趣，具备持续跟踪前沿算法（VLA、World Model、多模态大模型）的自驱力 · 具备良好的技术文档和论文阅读能力，能够快速复现前沿工作并转化为工程方案 · 优秀的跨团队协作能力，能与运动控制、硬件、数据采集团队紧密配合完成系统联调