具身世界模型算法研究员-Xiaomi Robotics

1、全面负责具身世界模型预训练数据研究，围绕互联网图文与视频、第一视角数据、机器人交互轨迹、状态序列、仿真及合成数据等，研究数据源拓展、采集生成、清洗去重、质量评估和多模态对齐策略，建立可持续迭代的数据体系。 2、研究数据规模、质量、多样性、时空覆盖与模型能力之间的关系，制定语言、视觉、视频、状态、动作等模态及不同任务、场景的数据配比、采样和课程策略，持续提升预训练数据效率与信息密度。 3、探索理解、生成与动作统一的具身世界模型架构和学习范式，研究视觉、语言、状态、动作及时空交互信息的统一表征、Token 化、模态接口与联合训练目标，推动模型在预训练阶段实现跨模态对齐与联合建模。 4、围绕 In-context Learning、Zero-shot/Few-shot Generalization、跨任务迁移、跨场景泛化和长时程推理等目标，设计预训练任务、数据组织方式及评测方法，研究通用具身能力的形成机制并持续迭代。 5、与 Infra 团队协同迭代模型训练与推理框架，从算法和模型侧优化大规模训练的稳定性、吞吐、显存及并行效率，提升推理延迟、生成质量和资源利用率，支持研究方案的快速验证与规模化应用。 6、构建覆盖离线数据、仿真环境和真实机器人任务的评测与诊断体系，开展系统实验、消融分析和 Scaling 研究，跟踪具身智能、多模态基础模型、世界模型与生成式建模前沿，推动论文、专利、开源项目及核心技术成果产出。

1、硕士及以上学历，计算机、人工智能、机器人、自动化、数学、统计等相关专业，具备扎实的机器学习、深度学习、概率建模与优化基础。 2、在多模态大模型、视频生成、世界模型、具身智能或相关方向具有深入研究经验，理解 Transformer、自回归建模、Diffusion、VAE/VQ、MoE 等方法及其适用场景。 3、具备较强的预训练数据研究与实验分析能力，理解数据源、数据质量、数据分布和数据配比对模型能力的影响；有大规模多模态数据建设、质量评估、数据筛选、合成数据或数据效率研究经验者优先。 4、熟悉跨模态对齐、统一表征、离散/连续 Token 化、时空建模、动作生成、物理世界预测等关键问题，对 In-context Learning 和 Zero-shot Generalization 有研究或实践经验者优先。 5、熟练使用 Python、PyTorch 等工具，具备从问题定义、模型设计、训练调优到评测分析的完整研发能力；有大规模预训练、分布式训练、推理加速或训练框架协同优化经验者优先。 6、具备较强的独立科研、问题分析和工程落地能力，能够提出可验证的研究假设，快速完成实验并定位瓶颈；有真实机器人、仿真平台或机器人动作数据经验者优先。 7、在具身智能、多模态学习、世界模型、计算机视觉或生成式 AI 等方向的顶会顶刊（如 RSS、CoRL、ICRA、CVPR、ICCV、NeurIPS、ICLR、ICML 等）发表论文，或拥有代表性开源项目、模型及系统成果者优先。