1、计算机、人工智能、机器人、自动化、控制或相关专业硕士及以上学历；有扎实研究成果或突出工程能力者，学历可适当放宽； 2、具备机器学习、深度学习和强化学习基础，熟悉 Python、PyTorch 等开发工具，能够独立完成实验设计、模型训练、结果分析和代码实现； 3、熟悉 VLM、VLA、WAM 或相关多模态具身模型的基本架构与训练流程，熟悉VLM 模型并具备训练以及微调能力；理解视觉观测、语言指令、机器人状态、动作序列和环境反馈之间的时序关系； 4、熟悉具身 ICL 训练模式，了解短期记忆、长期记忆、轨迹记忆或经验检索等技术在机器人任务中的作用与实现方法； 5、熟悉 VLA/WAM 场景下的强化学习技术，了解奖励设计、策略优化、离线数据利用以及 sim-to-real 等方法，并能根据实际任务选择合适的训练方案； 6、熟悉多源具身数据的结构与基本原理，能够理解和处理图像/视频、深度相机参数、手臂轨迹、机器人状态、动作指令及时间同步等数据； 7、具备仿真或真实机器人上的模型实验经验，能够结合闭环执行结果定位问题并迭代算法；有多机多卡训练或机器人端部署经验更佳； 8、能够阅读和复现相关论文，具备清晰的技术表达、跨团队协作和持续推进能力。 加分项 1、有机器人多模态数据集建设、轨迹数据处理、数据质量评估或数据采集协作经验； 2、有具身模型在操作、导航、移动操作或人机交互任务中的实际项目经验； 3、有大语言模型、视觉语言模型、多模态模型或视频模型的研究经验，并有将相关方法迁移到机器人任务的实践； 4、熟悉分布式训练、模型压缩、推理加速或 KV Cache 等技术；了解其在具身模型中的适用边界； 5、有 Agent 架构构建、工具调用、任务规划或提示词设计等相关工作经验； 6、在机器人学习、具身智能、计算机视觉或机器学习相关会议发表论文，或有高质量开源项目经历。