一、工作职责：模型研发与优化：负责视觉语言行动模型（VLA）的研发，结合视觉、语言和动作模态，实现从多模态输入到机器人或自动驾驶系统的动作输出。探索和实现基于Transformer架构的VLA模型，如OpenEMMA、EMMA等，优化模型的性能和效率。 任务规划与控制策略：设计和开发低级控制策略，用于执行短期任务指令并生成可执行的动作序列。研发高级任务规划器，将复杂的长期任务分解为子任务，提升模型的泛化能力和灵活性。 数据处理与预训练：参与大规模多模态数据集的收集、处理和标注，支持模型的预训练和微调。探索和应用预训练视觉和语言模型，提升VLA模型在复杂环境中的感知和决策能力。 技术研究与创新：跟踪VLA领域的最新技术动态，探索新的模型架构和算法优化方法。参与相关技术的学术研究和论文发表，推动团队技术能力的提升。

二、任职要求：

专业背景：计算机科学、人工智能、控制、机器人技术或相关专业硕士及以上学历。 技术能力：熟悉VLA、VLM、LLM等多模态模型的开发和训练，具备实际项目经验。 精通Transformer架构，了解RT-2、OpenVLA、OpenEMMA、EMMA等模型的原理和应用。熟练掌握深度学习框架，如PyTorch、DeepSpeed等。 实践经验：有多机、多卡的大模型训练经验。 加分项：熟悉模仿学习、强化学习理论，有相关领域的研究或落地经验。在计算机视觉、自然语言处理或机器人领域有顶会论文发表或竞赛获奖。 其他要求：具备良好的团队合作精神和沟通能力，能够快速学习和适应新技术