本科及以上学历，计算机、人工智能、机器人、自动化、电子信息、应用数学等相关专业； 具备扎实的计算机、数学、机器学习或机器人基础，对具身智能和机器人技术有持续兴趣，愿意解决真实世界中的复杂问题； 具备良好的 Python 和/或 C++ 编程能力，能够独立完成技术实现、实验调试、结果分析和问题定位； 在以下一个或多个方向具备扎实基础、项目经历或突出潜力即可： Model｜模型与学习算法 熟悉深度学习基本原理，对 Transformer、生成模型、视觉语言模型及多模态学习等现代模型架构与训练方法有一定理解； 了解或实践过 VLA/WAM、世界模型、多模态模型、模仿学习、强化学习、机器人策略学习等一个或多个方向； 对视觉、语言、视频、3D/空间信息、机器人状态与动作之间的多模态表征、对齐与融合有一定理解或兴趣； 能够围绕模型效果开展实验设计、训练调试、结果分析与算法迭代。 Data｜机器人数据与评测 对机器人数据、多模态数据或视觉/视频数据的采集、处理、组织与质量分析有一定理解或实践； 能够从模型结果和失败案例中发现数据问题，并对数据覆盖度、数据质量、数据筛选与配比等问题有自己的思考； 对多源异构数据对齐、跨模态一致性以及如何通过数据持续提升模型能力具有兴趣； 有机器人数据闭环、数据质量分析或模型评测相关经验者优先。 System｜机器人系统与部署 具备较好的软件开发与系统 Debug 能力，对 Linux、机器人软件系统、模型部署或实时系统有一定理解； 了解机器人状态、观测、动作、坐标变换、运动学、传感器与控制等基本概念； 对模型 Runtime、推理部署、机器人中间件，以及模型推理与机器人控制协同等问题有兴趣或相关实践。 具备较强的学习和研究能力，能够阅读技术论文和资料，并快速理解、验证和应用新的方法； 具备良好的问题分析与协作能力，愿意跨越数据、模型和系统边界，把真实机器人问题持续做深、做通。 加分项 具备以下任意经历均为加分项，但不是必要条件： 在具身智能、机器人学习、强化学习、多模态模型、计算机视觉等方向有科研或高质量项目经历； 有 VLA/WAM、世界模型、机器人策略学习、多模态模型等前沿方向的研究、复现或开源项目经验； 有机械臂、人形机器人、移动机器人等真实机器人实验经历，或使用过主流机器人仿真与学习平台； 有大模型训练、分布式训练、模型部署、推理优化、机器人软件或控制系统相关实践； 有高质量论文、开源项目、机器人或人工智能竞赛经历。 我们期待的你 我们不期待一名应届生已经成为“全栈具身智能专家”。 相比技能覆盖度，我们更关注你是否拥有扎实的基础、某一方向的明显长板、快速学习能力，以及把一个真实问题持续做深、做通的能力。 无论你更擅长模型、数据还是机器人系统，只要你对具身智能保持足够的好奇心和行动力，都有机会在这里找到自己的方向，并参与从数据、模型到真实机器人的完整技术闭环。 投递时可选择主要兴趣方向：Model / Data / System / 不限。方向选择仅用于面试匹配，不限制后续发展。