VLA/VLM算法实习生

职位描述:

1、参与视觉-语言-动作（VLA）多模态大模型的研发与迭代，提升模型在自动驾驶场景中的感知、推理与决策能力；

 2、探索端到端自动驾驶架构，打通从传感器输入到控制输出的全链路学习；

 3、优化VLM大模型的物理世界理解能力，支持开放词汇检测、场景描述与空间推理；

4、研究VLA与自驾Planning模块的融合方案，推动从预测轨迹到可执行动作的可靠映射； 

5、与工程团队紧密协作，支持模型在车端的高效部署与在线验证。

职位要求:

1、27届-28届毕业同学，计算机/人工智能/机器人等相关专业，硕博优先；

 2、扎实的深度学习基础，熟悉Transformer、ViT、LLaMA等主流架构，具备多模态模型训练经验；

 3、熟练掌握PyTorch，有大规模模型训练与调优的实战经验；

 4、有RT-2、OpenVLA、PaLM-E等VLA模型研究或复现经验，或参与过端到端自动驾驶项目（如UniAD、VAD、FusionAD）优先；

 5、熟悉GPT-4V、LLaVA、Qwen-VL等视觉语言模型，有指令微调、RLHF经验者优先；

 6、有自驾Planning经验，熟悉基于学习或优化的规划方法（模仿学习、模型预测控制、图搜索），有实车或仿真验证经验者优先。