具身智能 · 全职

具身智能基模负责人

Embodied AI Foundation Model Lead

岗位介绍

知行具身聚焦触觉赋能的机器人精细操作。我们正在寻找一位兼具大模型训练经验、技术判断力与团队领导能力的模型负责人，依托自研视触觉传感器、可穿戴触觉指套及人类第一视角操作数据，主导视觉—触觉—语言—动作模型研发，让机器人通过触觉学习接触规律，提升灵巧操作的泛化能力与可靠性。

负责模型技术路线与团队建设。制定具身基础模型的研发规划、架构方案与阶段目标，带领团队完成关键算法研发，对模型能力、研发效率及真机效果负责。
主导触觉增强的基模预训练。融合人类第一视角视频、手部动作、触觉及语言数据，研究多模态表征、时空对齐和联合训练方法，验证触觉对操作能力、数据效率及跨任务泛化的提升。
研发面向灵巧操作的动作模型。围绕 VLA/VTLA、动作专家和接触动力学建模，开展模仿学习、强化学习及模型后训练，提升精细施力、手内操作、接触切换与滑移纠错能力。
建立数据与模型迭代闭环。联合数据及硬件团队定义采集任务、数据格式和质量标准，推进人类操作数据与机器人数据的联合训练和跨本体迁移，以实验结果指导数据采集与模型迭代。
建设训练与评测体系。完善分布式训练、实验管理、模型评测及推理优化流程，围绕成功率、泛化能力、接触稳定性和实时性建立可复现的评测标准。
推动真机验证与场景落地。协同机器人、控制及产品团队，将模型部署到灵巧手及触觉增强末端执行器，推进精细抓取、插接装配等任务从算法验证走向稳定应用。

计算机、人工智能、机器人、自动化等相关专业硕士及以上学历，博士优先；具备扎实的机器学习与深度学习基础。
主导过 VLA/VLM、多模态大模型或机器人操作模型项目，具备从数据构建、模型训练到评测迭代的完整经验，能够独立制定技术方案并解决关键问题。
熟悉 Transformer、多模态融合及动作生成方法，对模仿学习、Diffusion/Flow Matching、强化学习等方向中的至少一项具有深入研究和实践经验。
熟练掌握 Python、PyTorch，具备较强的代码实现与训练排障能力；熟悉分布式训练、混合精度、训练稳定性及算力效率优化。
理解机器人操作中的感知、动作与接触反馈关系，能够通过严谨的对照实验判断数据、模型结构和训练策略的实际收益。
具备技术带队和跨团队协作经验，能够拆解研发目标、培养团队成员，并亲自参与核心模型设计、代码开发及实验分析。