A Square Jobs In Beijing (Peking) - 6 Job Positions Available

【27届】VLA/WAM触觉操作算法工程师 深圳、北京 研发 - 算法 27届校园招聘 职位描述 【核心任务】负责基于视觉、触觉与机器人本体感知数据开展操作算法研究和训练实验，评估触觉信息能否提升机器人在精细操作、接触丰富任务中的成功率、鲁棒性与泛化能力，并降低策略对高精度视觉和大量真机数据的依赖。【具体职责】1. 开展触觉表征学习、接触状态估计、滑移检测、力控制、抓取稳定性预测及操作策略训练等相关实验。 2. 比较不同传感器配置、数据规模、数据比例和训练方法下的效果，分析成功率、接触稳定性、操作精度、收敛速度和泛化能力。3. 配合模型与硬件团队整理可用于训练的视觉数据、触觉数据、力/力矩数据、本体感知数据、遥操作数据和真机操作数据。 4. 设计并执行视觉—触觉融合、纯视觉、纯触觉等对照实验，研究不同感知模态和融合方式对机器人操作表现的影响。 5. 维护训练配置、实验日志、模型 checkpoint、评估结果、数据版本和 ablation 表格，保证实验可复现。 6. 协助建立触觉操作 benchmark 和真机评估体系，覆盖抓取、插拔、旋拧、滑动、开合、工具使用等接触丰富任务。 7. 输出阶段性实验报告，分析触觉信息在感知、控制和策略学习中的价值，为传感器选型及算法路线提供依据。 职位要求 【必须要求】1. 熟悉 PyTorch 或其他深度学习框架，能够独立运行、调试和评估模型训练代码。 2. 具备机器人学习、模仿学习、强化学习、机器人控制、多模态学习或计算机视觉中的至少一项基础经验。 3. 对机器人触觉感知或接触操作有基本理解，了解力、力矩、接触、摩擦、滑移、形变等基本概念。 4. 能够设计基本的

多模态理解算法实习生 深圳、北京 研发 - 算法 实习生招聘 职位描述 1. 参与面向物理世界的具身理解大模型研发，协助提升模型在视觉定位、复杂点指、空间理解、任务规划、人机交互等场景下的感知与认知能力；2. 参与分析多模态模型在理解、推理、空间/时间定位等任务上的能力边界，协助构建用于具身基座模型训练的高质量数据；3. 参与多模态数据管线建设，包括文本、视觉、视频、动作等数据的合成、清洗、标注、格式化与质量评估；4. 协助构建视频理解相关数据，包括人类行为、事件识别、Video Caption、Temporal Grounding 等方向；5. 参与长程行为/任务拆解、CoT 推理标注与评测集构建，为模型训练和效果迭代提供支持。 职位要求 1. 在读本科、硕士、博士研究生；计算机视觉、自然语言处理、多模态大模型、人工智能等相关方向优先；2. 熟悉 Python，具备较好的编程能力，熟悉 PyTorch 等主流深度学习框架；3. 了解主流多模态大模型/VLM/MLLM，对视觉理解、视频理解、空间理解、具身智能等方向有兴趣；4. 有模型训练、微调、评测、数据处理或 benchmark 构建经验者优先；5. 熟悉 Chain-of-Thought、强化学习、多模态推理、Temporal Grounding、Video Caption 等相关技术者优先；6. 具备较强的学习能力、执行力和责任心，能够稳定实习 6 个月及以上者优先。加分项1.