具身智能高级研究员（embodied ai research scientist）.

职位概述：
我们正在替一家知名科技企业的香港研究院寻找一位在具身智能（Embodied AI）领域经验丰富、充满激情的资深研究员。您将负责设计、开发和优化核心算法与系统，使机器人能够通过视觉和语言理解任务意图，感知并建模复杂的三维环境，并生成精确、鲁棒的动作策略来执行物理操作。您的核心工作将围绕多模态感知、空间认知与机器人操作决策的融合展开。

核心职责：

1. 具身智能模型开发与部署 (VLA + Robotics Focus)：
   • 研究、设计、实现和优化 Vision-Language-Action (VLA) 模型，使机器人能够理解自然语言指令（包括复杂、多步骤任务），结合视觉场景理解，生成可执行的动作规划和控制策略（Manipulation Planning & Control）。
   • 开发将大型语言模型（LLMs）和视觉基础模型（VFMs）的能力有效落地到真实机器人操作任务（如抓取、装配、灵巧操作）的技术方案。
   • 解决具身场景下的关键挑战，如场景理解、动作表示学习、指令-动作对齐、长时任务规划、操作失败恢复等。
2. 动态场景感知与理解 (Video Processing & Event Detection)：
   • 开发先进的视频理解算法，实现实时的事件检测、活动识别和目标跟踪，用于机器人在动态变化环境中的情境感知。
   • 设计模型以理解时间序列上的视觉信息流，识别关键状态变化（如物体移动、遮挡、人的动作意图），为机器人决策提供实时感知输入。
   • 探索视频数据驱动的世界模型（World Models）在预测环境动态和机器人动作后果中的应用。
3. 三维环境重建与空间定位导航 (3D Modeling & vSLAM)：
   • 设计、实现和优化基于视觉的 3D 场景重建（3D Reconstruction）与稠密建图（Dense Mapping） 技术，为机器人构建精确、丰富的环境几何与语义模型。
   • 开发和部署高性能、鲁棒的视觉 SLAM (vSLAM) / Visual-Inertial Odometry (VIO) 系统，确保机器人在复杂、多变环境中的精确定位。
   • 将重建的3D模型与vSLAM系统紧密集成到机器人的导航（Navigation）和操作（Manipulation） 流程中，支持基于场景几何和语义信息的任务执行。
4. 系统集成与验证：
   • 将上述感知、理解、建模、规划与控制模块集成到真实的机器人平台（如机械臂、移动机器人、人形机器人）上。
   • 设计并执行全面的仿真与真实世界实验，评估系统性能，识别瓶颈，并进行迭代优化。
   • 解决实际部署中的工程挑战，如传感器标定、实时性、鲁棒性、计算效率等。

任职要求：

• 教育背景： 计算机科学、机器人学、人工智能、电子工程、应用数学或相关领域的硕士或博士学位。
• 核心技术经验 (必须)：
  • 具身智能/机器人学习： 在机器人操作（Manipulation）、VLA模型、模仿学习（Imitation Learning）、强化学习（RL）应用于机器人等方面有扎实的理论基础和实际项目经验。
  • 计算机视觉： 精通深度学习在计算机视觉中的应用，特别是视频理解（动作识别、事件检测、时序建模）、3D视觉（点云处理、3D重建、深度估计）。
  • vSLAM & 3D重建： 深入理解SLAM/VIO原理（如ORB-SLAM, VINS, DSO等），有实际开发或优化vSLAM系统和/或稠密3D重建（如NeRF, TSDF, Point-based methods） 的经验。
  • 编程能力： 精通 Python，熟练掌握 PyTorch 或 TensorFlow 等深度学习框架。熟练掌握 C++ 用于性能关键模块开发。
• 实践经验 (强烈倾向)：
  • 有在真实物理机器人平台（如UR, Franka, Kuka, Fetch, Spot, Unitree等）上部署和调试复杂感知-决策-控制算法的经验。
  • 有处理大规模、多模态（图像、视频、深度、IMU、语言指令）机器人数据集的经验。
  • 熟悉机器人操作系统（ROS/ROS2）。
• 软技能：
  • 出色的解决问题能力和分析能力。
  • 强大的学习能力和探索前沿技术的热情。
  • 良好的沟通能力和团队协作精神。
  • 动手能力强，能独立推进项目并解决工程挑战。

优先考虑条件：

• 在顶级会议（如 RSS, CoRL, ICRA, IROS, CVPR, ICCV, ECCV, NeurIPS, ICML）上发表过与具身智能、机器人学习、计算机视觉、SLAM相关的论文。
• 在开源机器人/视觉项目（如 Habitat, iGibson, Isaac Sim, Open3D, etc.）中有显著贡献。
• 有大型多模态模型（LMMs）微调或应用经验。
• 有分布式训练、模型优化（如量化、剪枝）或边缘部署经验。