具身智能算法实习生

岗位介绍 本岗位面向神经内镜具身智能手术机器人研发，围绕真实机器人数据采集、VR 遥操作示教、视觉—动作学习、世界模型和机器人闭环控制等方向开展算法研究与系统验证。 实习生将直接参与机械臂、神经内镜、VR 设备、空间定位系统和多模态数据采集平台的搭建与实验，完整接触从设备调试、数据采集、模型训练到真实机器人部署验证的研发流程。 本岗位不是单纯的离线模型训练岗位。我们尤其看重候选人的动手能力、工程实践能力和真实机器人实验经验，希望候选人愿意参与设备接线、系统搭建、反复标定、数据采集、问题排查和机械臂联调。 工作职责 1. 参与神经内镜具身智能手术机器人相关算法的研发、部署与实验验证，推动算法在真实机械臂系统中闭环运行。 2. 参与真实机器人实验平台搭建与调试，包括机械臂、神经内镜、VR 设备、空间定位设备及多传感器系统的接入、标定与联动。 3. 参与基于 VR 遥操作和动作示教的真实机器人数据采集，完成内镜视频、机器人状态、末端位姿、控制指令及任务标签等多模态数据的同步记录、整理与质量检查。 4. 参与神经内镜场景视觉感知与场景建模算法研发，包括解剖结构与器械识别、目标跟踪、位姿估计、三维重建和动态场景理解等。 5. 参与 VLA、世界模型及多模态视觉—动作策略研发，支持机器人动作预测、场景状态预测、任务规划和自主操作。 6. 参与机器人闭环控制、安全约束、仿真验证和系统联调，并完成实验记录、技术文档及相关研究成果整理。 岗位要求 1. 计算机、人工智能、自动化、机器人、电子信息、生物医学工程等相关专业硕士及以上学历在读，具身智能、机器人或计算机视觉方向优先。 2. 具备扎实的编程能力和良好的工程习惯，熟练掌握 Python，具备 C++ 开发和调试经验者优先。 3. 熟悉至少一种主流深度学习框架，如 PyTorch 或 JAX，能够独立完成模型训练、调试、评测和实验结果分析。 4. 在以下至少一个方向具备较扎实的基础或项目经验： （1）具身智能与机器人学习； （2）VLA 与多模态策略学习； （3）世界模型与视频预测； （4）计算机视觉与视频理解； （5）SLAM、位姿估计或三维重建； （6）机器人控制、运动规划或轨迹建模； （7）多模态数据建模与时序学习。 5. 具备较强的动手能力和工程实践意识，愿意参与真实机械臂操作、设备安装与接线、传感器配置、系统标定、数据采集和重复性实验。 6. 能够面向真实系统主动排查问题，包括硬件连接、设备驱动、数据通信、坐标变换、时间同步、模型部署和机器人运行异常等问题，而非仅停留在算法代码层面。 7. 理解机器人视觉中的基本概念，包括相机模型、坐标系转换、相机标定、手眼标定、位姿表示、轨迹误差和多传感器时空对齐。 8. 了解视觉—动作学习的基本流程，包括任务定义、状态与动作空间设计、示教数据采集、数据清洗、策略训练、离线评测和真实机器人部署。 9. 对 VLA 和世界模型具有基本理解，了解视觉、语言、机器人状态和动作等多模态信息的联合建模方式。 10. 具备英文文献阅读、算法复现和技术资料检索能力，能够持续跟踪具身智能、机器人学习和世界模型领域的前沿进展。 11. 具备良好的沟通表达、团队协作和快速学习能力，能够规范维护代码、实验记录和技术文档。 12. 能够保证相对稳定的实习时间，愿意持续参与真实机器人实验和系统迭代。 加分项 1. 具有真实机械臂实验经验，使用过 Franka、UR、Kinova、协作机械臂或其他机器人平台。 2. 熟悉 ROS 或 ROS2，具备机器人节点开发、消息通信、TF 坐标变换、机器人控制、数据记录与回放经验。 3. 具有 VR 遥操作、头显与手柄交互、动作捕捉、空间定位或机器人示教数据采集经验。 4. 具有机械臂遥操作系统搭建经验，能够完成 VR 控制信号到机器人末端位姿或关节控制指令的映射。 5. 具有真实机器人数据集采集经验，熟悉多模态数据组织、时间戳同步、异常数据检查和数据质量控制。 6. 使用过 Isaac Sim、Isaac Lab、MuJoCo、Gazebo、SAPIEN、PyBullet 等机器人仿真平台。 7. 具有相机—机械臂标定、NDI 等空间跟踪设备、多相机系统、深度相机或多传感器同步经验。 8. 具有 VLA、ACT、Diffusion Policy、行为克隆、多模态策略学习或端到端视觉—动作控制相关项目经验。 9. 具有视频预测、动态场景建模、生成式世界模型、潜空间动力学模型或基于模型的动作规划相关经验。 10. 具有内镜视频、医疗影像、手术导航、手术机器人、三维医学场景建模等相关研究或项目经验。 11. 在机器人、计算机视觉或机器学习相关会议和期刊发表过论文，或具有高质量开源项目、机器人竞赛、科研项目和完整系统开发成果。

职位薪资：

300-500/天

想要了解更多，可以访问公司官网：http://www.cibr.ac.cn