• 负责机器人视觉-语言-动作模型（VLA）及模仿学习策略的真机部署、推理链路打通与效果优化，保障模型从训练产物稳定落到机械臂等本体上可复现运行。
• 负责 ACT、Diffusion Policy、π₀/π₀.
• OpenVLA、GR00T、SmolVLA、RDT 等策略/VLA 模型的复现接入、导出、推理 Runtime、后处理与性能优化（含频率对齐、action chunk 执行、RTC 或等价时间对齐方案、延迟与稳定性治理）。
• 参与策略后训练与数据闭环的工程落地：监督微调相关数据管线、数据混合与筛选、DAgger 人机混控回流、失败数据修正、在线采集与版本化管理；与算法同学协作完成评测到再训练的闭环。
• 负责/深度参与机器人数据采集方案的工程实现：遥操作流程落地、任务拆分与录制规范、原始帧率可靠落盘、数据筛选与质量评估、标注/元数据规范，并转换为 LeRobot 等训练所需格式。
• 分析模型失败案例，系统定位数据、模型、控制、同步、部署 Runtime 各环节问题，持续提升复杂任务成功率、接管率与长程稳定性。
• 与机器人软硬件、算法团队协作，完成长程、多阶段复杂操作任务及高质量 Demo 的真机稳定复现与门禁回归。

• 熟悉模仿学习、机器人策略学习或 VLA，具备真实机器人模型部署与联调经验（机械臂优先，足式/人形等真机经验可迁移）。
• 熟悉至少一种主流策略模型或 VLA 模型，例如：ACT、Diffusion Policy；π₀/π₀.
• OpenVLA、GR00T、SmolVLA、RDT 或其他机器人基础模型；
• 并理解其观测–动作接口、推理频率与真机执行方式（不要求从零预训练大模型）。
• 具备模型部署侧经验：导出与推理（如 PyTorch / ONNX Runtime 等）、配置与合约校验、日志回放；了解冻结主干、LoRA、Action Head、数据配比等方法在部署与迭代中的影响。
• 理解高质量机器人数据的标准，熟悉遥操作数据采集、数据清洗、轨迹筛选、任务定义和数据集构建流程；有 LeRobot 或同类格式转换/质检经验优先。
• 了解机器人基本控制原理，包括关节空间与笛卡尔空间控制、正逆运动学、轨迹插值、坐标系变换，以及控制频率、延迟、安全停机/看门狗等工程约束。
• 熟悉 PyTorch 与 Python 工程；熟悉 Linux；了解 ROS/ROS2 或常用中间件；具备较强的实验分析、真机问题排查和系统联调能力。
• 能够独立推进「数据采集 → 训练产物接入 → 评测 → 真机部署 → 失败回流」中的部署与闭环工程，在初创节奏下给出可验收交付。

• 完成过长程、多阶段、高精度或高成功率机器人操作 Demo，并能够稳定复现、沉淀回归集与失败归因方法。
• 有 DAgger / 人机混控、失败接管续推、在线数据闭环或真机强化学习工程经验。
• 有双臂、灵巧手、移动操作、触觉或复杂桌面操作（如精细抓取、倒水/泡茶类）任务经验。
• 熟悉 LeRobot、ALOHA、LIBERO、RoboTwin、Open X-Embodiment 等平台、数据集或数据格式。
• 有实时推理优化、模型部署加速（量化、TensorRT、边缘/工控机）、多机型迁移或跨本体接口适配经验。
• 能高效使用 Codex / Cursor等 AI 编程工具提效，并对安全逻辑、接口合约与真机命令保持人工审核边界。 其他信息语言要求：不限行业要求：科技推广服务

来自公开渠道的招聘信息，已清洗脱敏：不含企业名、HR 姓名与联系方式， 也不转载职位原文以外的内容。仅供了解岗位画像，不作为投递依据。

看全部岗位