端到端双足导航算法实习生

端到端双足导航算法实习生上海实习职位描述- 负责端到端自主导航算法研发，构建面向全尺寸人形机器人的自主导航能力，包括多模态感知、轨迹预测、导航决策等核心模块，持续提升导航智能化水平。 - 负责VLM-Nav/VLN/VLA相关算法研发，构建视觉-语言-动作闭环能力，实现自然语言理解、语义目标定位、路径规划及自主执行。 - 负责多模态感知模型研发，包括RGB、Depth、LiDAR、IMU等多源信息融合，研究BEV、Occupancy、语义地图等环境表征，为导航规划提供统一场景理解能力。 - 负责导航Planner模型研发，探索基于Transformer、Diffusion、World Model等新一代规划算法，实现Waypoint预测、轨迹生成、动态避障及复杂环境下的自主决策。 - 负责双足机器人导航感控融合算法研发，构建导航规划与运动控制协同框架，实现规划轨迹与步态控制、全身控制（WBC）、地形感知等模块的高效协同，提升复杂地形、人群环境及动态场景下的运动稳定性与导航成功率。职位要求- 硕士及以上学历，计算机、机器人、人工智能等相关专业。 - 熟悉机器人导航、Embodied AI、VLM/VLA、VLN等相关方向，具有较扎实的算法基础。 - 熟悉以下一个或多个方向： - 端到端自主导航（End-to-End Navigation） - Planner模型（Transformer、Diffusion、World Model等） - 多模态感知（BEV、Occupancy、3D Perception、多传感器融合） - 轨迹预测与运动规划（Trajectory Prediction、Motion Planning） - VLM-Nav / Vision-Language Navigation - 熟悉深度学习框架（PyTorch等），具备模型训练、调优、部署及性能优化经验。 - 具备较强的问题分析及工程实现能力，能够独立完成算法设计、实验验证、性能分析及线上问题定位。 - 具有良好的团队协作能力，能够推动跨团队合作及复杂系统集成落地。 --- 加分项 - 熟悉具身智能（Embodied AI）、VLA、世界模型（World Model）、Diffusion Policy、Action Model等前沿方向。 - 熟悉Habitat、Isaac Sim、Gibson、MuJoCo等仿真平台，具备大规模数据生成及自动评测经验。 - 熟悉双足机器人Locomotion、Whole-Body Control（WBC）、Model Predictive Control（MPC）、强化学习（RL）等运动控制相关技术。 - 具备真实机器人导航部署经验，熟悉动态人群、复杂地形、跨楼层导航等复杂场景优化。 - 具有CV、机器人、机器学习等相关领域顶会论文（CVPR、ICCV、ECCV、ICRA、IROS、CoRL、RSS、NeurIPS、ICLR等）、专利或高质量开源项目经验。 - 有大模型（VLM、VLA）、机器人Foundation Model或端到端机器人系统研发经验者优先。投递