R2C2 有限公司

職位總結

我們正在尋找一位有才華的機器人視覺語言行動（VLA）工程師，設計、實現並部署端到端VLA系統，該系統將多模態基礎模型與具體的機器人代理相結合。您將在大型語言模型、計算機視覺、強化學習和低層控制的交匯處工作，以創建能夠遵循高層人類指示（如「通過收起盤子和擦洗柜台來組織廚房」）的機器人，而不需要太多的監督。

主要責任

• 模型架構與整合

◦ 設計並訓練VLA模型，該模型融合了視覺編碼器（例如CLIP、DINOv2、SigLIP）、語言背骨（例如LLaMA-3、Qwen）和行動頭（例如擴散策略、ACT、RT-2風格的分詞器）。

◦ 為邊緣硬體（例如NVIDIA Jetson、自定義ASIC/FPGA加速器）實現高效的推論管道以實現實時操作。

• 數據引擎與合成管道

◦ 結合真實機器人軌跡、遠程操作示範和模擬數據（Isaac Sim、Mujoco、PyBullet）的大型數據集。

◦ 開發數據擴增策略：視頻填充、語言重構、3D場景隨機化和跨體現轉移。

• 訓練與擴大規模

◦ 基於互聯網規模的視頻+文本+行動三元組（例如Ego4D、Something-Something、BridgeData）的預訓練。

◦ 使用增強學習（RLHF、PPO、DPO）和模仿學習（BC、IQL）進行微調，使用獎金模型來實現物體操作、安全性和任務成功的可及性。

• 機器人部署與評估

◦ 在物理平臺（操作機、移動操作機、人形機）上部署VLA策略。

◦ 創建標準化指標：零-shot泛化、長時間軸任務完成、模擬到現實的差距、語言歧義解決。

• 安全與可靠性

◦ 實現防護欄：力矩監控、碰撞預測、口頭澄清循環，以及可逆行動原語。

◦ 進行失敗模式分析和迭代紅隊測試。

所需資格條件

• 計算機科學、機器人學或其他相關領域（或同等經驗）。

• 一項或多項經驗在:

◦ 訓練/推測視覺語言模型（CLIP、FLAVA、LLaVA等）。

◦ 從示範中學習的機器人（ACT、擴散策略、RT-1/2）。

◦ 為操作進行強化學習（DrQ-v2、R3M、VIP）。

• 強大的Python；熟練使用PyTorch/JAX。

• 具備ROS2、Docker和實際機器人硬體的實際經驗。

優先技能

• 在CoRL、RSS、ICRA、NeurIPS或CVPR上發表關於VLA、機器人基礎模型或多模態學習的論文。

• 具有3D視覺（NeRF、高斯濾波、點雲處理）的經驗。

• 低層控制（阻抗/導納控制、MPC、動力學建模）。

• 在GPU集群上進行分散式訓練；熟悉SLURM、Ray或Kubernetes。

我們提供什麼

• 競爭力的薪資+股票

• 健康、牙科、視覺

• 遷移支援

• 進入一個最先進的機器人實驗室（多個手臂、移動基座、高精度模擬）

• 與世界一流的VLMs和機器人研究人員合作

地點

香港九龍

中國深圳

如何申請

將您的履歷、GitHub/portfolio以及一頁的研發聲明發送至careers @r2c2.ai，主題為「機器人VLA工程師- [您的名字]」。

我們是一家平等機會的雇主，我們的公司珍視多元性。