研究方向：1.具身智能數(shù)據(jù)采集系統(tǒng)方向：針對具身智能數(shù)據(jù)驅(qū)動遙操作成本高，數(shù)據(jù)積累慢的問題，設計無機器人本體采集方案，直接采集人體數(shù)據(jù)并用于機器人訓練是具身智能發(fā)展的重要方向。申請人需融合高精度重建技術(shù)、無線定位設備、觸覺感知設備等采集人體動作，在零售、工業(yè)等場景中典型中進行采集和具身算法訓練，賦能具身在實際環(huán)境的產(chǎn)業(yè)應用和數(shù)據(jù)積累，完成高水平科研成果輸出 。2.人機共融具身智能場景感知方向：針對人類生活空間復雜多樣，眾多操作依賴人工經(jīng)驗，記錄并分析人體動作數(shù)據(jù)，對于提升機器人在環(huán)境中適應能力至關(guān)重要。申請人需結(jié)合人體采集系統(tǒng)、多模態(tài)大模型等技術(shù)，構(gòu)建人-機共建共用的環(huán)境-操作一體化表征方法，并在零售、工業(yè)等場景進行演示應用，賦能具身在實際環(huán)境的產(chǎn)業(yè)應用和數(shù)據(jù)積累，完成高水平科研成果輸出。3.具身大模型方向：面向真實世界中的操作任務，構(gòu)建具備自主操作能力的具身智能系統(tǒng)。重點包括：1.設計并搭建支持單臂與雙臂操作的機器人平臺；2.探索融合語言理解、時空感知與具身推理等前沿技術(shù)的視覺語言動作模型(VLA)系統(tǒng)架構(gòu)；3.基于模仿學習、強化學習等技術(shù)，對VLA進行高效微調(diào)與泛化能力優(yōu)化；最終推動系統(tǒng)在工業(yè)、服務、家庭等實際場景中落地部署，并實現(xiàn)高水平科研成果產(chǎn)出。4.LIM infra方向：針對大語言模型、多模態(tài)模型、視覺語言動作模型等大模型在強化學習訓練過程中的效率瓶頸、資源消耗大和訓練穩(wěn)定性差的問題，構(gòu)建高性能強化學習訓練框架，是推動大模型智能能力持續(xù)進化與場景泛化能力提升的關(guān)鍵路徑。申請人需面向大模型對齊、具身智能決策、多模態(tài)交互等任務，開展強化學習訓練系統(tǒng)的性能優(yōu)化研究，重點包括軟硬件協(xié)同調(diào)度、訓練-推理一體化設計、分布式并行與異步調(diào)度機制等內(nèi)容。通過結(jié)合主流強化學習對齊方法與分布式訓練優(yōu)化框架，系統(tǒng)性提升訓練效率與資源利用率，支撐大模型在真實任務中的快速迭代與穩(wěn)定部署。申請人需在具身智能、通用機器人、人機交互等典型場景中進行系統(tǒng)落地與評估，支撐模型訓練性能與應用能力協(xié)同提升，完成高水平科研成果輸出。5.大模型軟硬件協(xié)同設計方向：面向大模型推理部署的大算力、高帶寬等挑戰(zhàn)，開展圍繞三維堆疊技術(shù)的近存計算電路架構(gòu)設計、數(shù)據(jù)流編譯軟件優(yōu)化、異構(gòu)推理框架優(yōu)化等研究，推動大模型在云邊端場景的廣泛落地，與產(chǎn)業(yè)合作形成包括三維堆疊端側(cè)推理芯片、GPU&FPGA異構(gòu)推理一體機等前沿技術(shù)方案，形成高水平科研成果。6.復雜時空約束下的無人機強化學習運動規(guī)劃方向：聚焦于在高度動態(tài)、不確定性強的復雜時空環(huán)境中，設計高效、魯棒的強化學習算法，實現(xiàn)無人機的自主、安全、智能運動規(guī)劃。研究內(nèi)容涵蓋動態(tài)障礙物規(guī)避、時空協(xié)同約束建模、不確定環(huán)境下的魯棒決策、多目標優(yōu)化等關(guān)鍵挑戰(zhàn)，旨在突破現(xiàn)有運動規(guī)劃技術(shù)在極端復雜場景下的性能瓶頸。7.智能計算超節(jié)點優(yōu)化方向：針對人工智能大模型系統(tǒng)中資源利用率不高，系統(tǒng)穩(wěn)定性差等問題，研究針對大模型訓練、推理過程的硬件系統(tǒng)設計、通信調(diào)度優(yōu)化、計算存儲優(yōu)化等關(guān)鍵技術(shù)。申請人需在人工智能大模型硬件、軟件系統(tǒng)研發(fā)領(lǐng)域具有深厚的理論基礎(chǔ)和工程實踐經(jīng)驗，熟悉大模型算法基本原理，基于實際應用場景促進大模型運行效率提升，完成高水平科研成果輸出。

1.年齡不超過35周歲
2.獲得博士學位不超過三年
3.熱愛研究工作

應聘資料：
1.個人簡歷（文件名：姓名-簡歷-意向?qū)熋?br>2.博士導師推薦信
3.代表申請人最高學術(shù)水平和科研成果的論文、專著、專利或獎勵等