我们正在寻找专注于开发和集成机器学习（包括生成式人工智能）模型的物理人工智能工程师，使真实机器人能够自主感知、推理和行动。这个角色连接了机器人技术和自主智能体——致力于多机器人和具身系统的感知、决策和多模型集成。
您将负责训练和适应生成/基础模型（视觉、语言、规划、视觉-语言-行动模型、群体推理），并将其部署到边缘和机器人硬件上。
职责
• 开发和集成用于感知、映射、任务规划和具身决策的人工智能/机器学习和生成/基础模型。
• 针对真实世界机器人应用，微调或适应生成/基础模型（小型语言模型/小型视觉-语言/视觉-语言-行动）以实现边缘部署。
• 实现设备上的模型优化（量化、蒸馏、TensorRT等）。
• 构建数据管道：模拟 → 现实世界 → 反馈循环，以持续改进模型。
• 进行领域适应和强化/互动学习以提升机器人技能。
• 将模型集成到ROS2和群体自主堆栈中。
• 在模拟和硬件部署中评估模型性能。
• 优化边缘计算平台上的推理延迟和可靠性。
• 制定满足客户需求的应用开发的概念和详细技术解决方案。
• 向高级管理层提供关于物理人工智能/机器人相关新兴技术的建议。
• 确定并领导物理人工智能/机器人领域的战略技术能力发展。
• 在研究和开发项目中合作，探索物理人工智能/机器人技术的新能力和应用。
最低要求
• 计算机科学、机器学习、人工智能、机器人或相关领域的学士/硕士学位。
• 3至10年的机器人/物理人工智能系统构建经验。欢迎具备相关技能的应届毕业生申请。
• 扎实的ROS2或机器人中间件集成基础。
• 在机器人系统中构建/微调人工智能/机器学习和生成/基础模型（视觉、基于变换器或强化学习）方面有丰富经验。
• 对嵌入式设备（Jetson、Pi等）的模型压缩/加速有良好了解。
• 具备GPU/CUDA经验或嵌入式人工智能的设备推理经验。
• 有嵌入式/边缘Linux系统上的部署经验。
• 对机器人模型训练管道（感知 → 规划 → 控制）有良好理解。
优先经验
• 视觉-语言-行动（VLA）或多模态模型经验。
• 强化学习/模仿学习/互动训练循环。
• 合成数据和基于模拟的训练（Isaac Sim、Habitat等）。
• 了解机器人领域的分布式训练管道或MLOps。
附加技能
• 强烈的实验和迭代问题解决思维。
• 能够将研究原型转化为生产级系统。
• 能够与人工智能和系统工程师紧密合作。
• 好奇且自驱动——能够探索新的物理人工智能方法并快速测试它们。
我们提供的机会
• 有机会参与最先进的具身人工智能模型，为真实机器人提供动力。
• 研究与部署的结合——不仅仅是编写模型，而是看到它们在物理世界中的表现。
• 在尖端机器人自主和群体行为方面的高影响力工作。
• 接触人工智能和硬件级执行环境。 
