点击下方卡片，关注「3D视觉工坊」公众号
选择星标，干货第一时间送达
工作研究内容
多模态大模型研究与设计：负责设计和实现领先的具身多模态大模型，并探索其在自动驾驶和通用机器人领域的统一应用潜力。 多模态理解与空间感知：多模态场景理解：融合视觉、语言、雷达等多源信息，实现对动态、开放环境的深刻理解和空间感知。 语义推理与决策优化：让模型能够理解模糊、抽象的人类指令，并结合对物理世界的空间推理，生成安全、合理、可解释的行动序列。 强化学习与模仿学习：深入研究强化学习(RL)、模仿学习(IL) 及自监督学习方法，使模型能从海量数据和与环境的交互中持续学习和进化。 发表顶级论文：在CVPR、ICCV、ECCV、ICML、NeurIPS、ICLR、CoRL等顶级会议上发表高水平论文。
职位要求
候选人需在以下一个或多个领域具备深入的研究和实践经验：
编程与算法能力：精通Python，熟练使用至少一种主流深度学习框架（优先考虑PyTorch）。具备强大的算法设计与实现能力，能够处理大规模数据并高效进行模型训练。 多模态大模型：深入理解视觉语言模型（VLM）和视觉-语言-行动模型（VLA），具备从零到一构建或优化这些模型的实践经验。 具身智能与自动驾驶：优先考虑有复现具身智能和自动驾驶相关视觉语言模型（VLM）和视觉语言架构（VLA）经验的候选人。 科研能力：作为主要作者在CVPR、ICCV、ECCV、ICML、NeurIPS、ICLR、CoRL等顶级会议上发表过高质量论文，或在相关领域的权威竞赛中取得优异成绩。对科研有热情，励志做有影响力的工作优先。
简历投递
邮箱：xiaomivla2025@gmail.com
