1、全身运动控制架构与核心算法研发 负责人形机器人全身运动控制架构设计与核心算法研发，构建具备全身协同、动态平衡、接触感知、负载自适应和在线异常恢复能力的运动策略体系。 2、运动重定向与轨迹映射 研发运动重定向方法，实现上层任务指令到全身关节轨迹的精准映射，并保证运动平滑性与物理可行性。 3、策略训练与仿真迁移 参与全身运动策略的训练、评测与系统辨识工作，推动仿真策略向真实机器人平台的平滑迁移与部署。 4、实机联合调优 与硬件、执行器、传感器及嵌入式团队紧密协作，针对实机运动表现进行联合调优，解决力位混合控制、延迟补偿、柔顺性等工程问题。 5、通用运动技能生成 研究通用运动技能生成方法，使机器人能根据高层任务目标（如抓取、行走、弯腰）自主生成连续、稳定、可执行的全身动作序列。

1、世界模型算法研发 研究并实现基于Transformer、Diffusion Model或Video Prediction的世界模型架构。 开发机器人动作条件下的环境预测模型，支持视觉 动作联合建模。 优化模型训练流程，提升预测精度和计算效率。 2、机器人动作生成 设计并实现基于世界模型的动作规划算法（如Model Predictive Control、强化学习策略）。 集成动作生成模型与机器人控制系统（如MuJoCo、Isaac Lab仿真环境）。 开发端到端的视觉 动作生成pipeline，实现从图像输入到关节指令输出。 3、数据采集与处理 参与机器人动作数据集的采集方案设计（结合公司技能服动捕系统）。 构建高效的数据预处理pipeline，包括动捕数据清洗、相机标定、时序对齐。 标注和管理机器人交互场景数据（物体操作、导航、人机协作等）。 4、系统集成与测试 将世界模型部署到公司机器人平台（如人形机器人、协作机械臂）。 与技能服系统进行软硬件联调。 设计实验方案，评估模型在真实场景中的性能（成功率、安全性、鲁棒性）。 5、技术文档与汇报 撰写技术文档，包括算法原理、实验结果、代码规范。 定期向团队汇报项目进展，参与技术讨论与论文阅读分享。

1、机器人Agent架构设计 设计机器人 Agent 架构，构建“感知—推理—规划—执行—反思—学习”闭环。 2、多模态大模型融合研究 研究 LLM、VLM、VLA 与 Robot Foundation Model 的融合方法。 3、技能学习与进化 探索机器人技能的自主发现、生成、组合、迁移和持续进化。 4、自评估与自反思算法 研究基于执行反馈的自评估、自反思、自纠错及策略优化算法。 5、数据闭环构建 构建任务生成、主动探索、数据采集、失败挖掘和模型迭代的自动化数据闭环。 6、真机平台部署 推动算法在机械臂、双臂或人形机器人平台上的验证与部署。

1、软硬件一体化全流程测试 全权负责公司自研工业级数据采集设备全生命周期的测试工作，统筹开展硬件本体测试（涵盖核心采集电路、供电模块、信号传输模块、结构适配硬件等的性能、参数精度、硬件兼容性及可靠性基础测试），同步负责配套嵌入式软件、运行固件、数据采集程序、后台联动控制系统等的功能、逻辑交互、数据传输准确性及版本迭代适配测试，实现软硬件测试场景全覆盖，全方位把控产品品质。 2、人机工学与稳定性定量测试 聚焦设备一线实操使用场景，专项开展人机工学适配、日常操作便捷性及操作逻辑优化测试，通过实测数据完成定量分析，精准梳理体验短板并输出优化建议。同步常态化开展设备长期连续运行稳定性、数据采集精准度及高低负荷工况耐受性测试，量化核心指标，定位隐性故障与性能波动，推动问题闭环整改 3、复杂工况可靠性专项测试 负责搭建高低温极端温变、复杂电磁干扰、沙尘防尘、雨水喷淋防水等严苛环境模拟测试场景，全面验证设备在复杂恶劣工况下的运行稳定性、防护达标性及工作持续性，提前排查环境适配隐患，保障设备在户外及工业现场落地零故障。 4、测试工装设计及标准对标 结合产品特性与实际作业工况，自主规划设计测试场景、搭建配套工装及辅助设备，独立完成全流程测试筹备、执行、数据记录与结果复盘。熟悉工业数据采集设备相关行业测试规范、可靠性标准及安规验收标准，确保产品测试合规、送检达标、出货符合验收要求。 5、测试文档及产品配套资料编撰 独立编写测试计划、测试方案、测试用例、阶段报告、bug整改复盘及版本归档等全套测试文档，同步牵头编制设备使用说明书、操作运维手册、技术参数文档及现场调试指南等配套资料，保障测试资产完整归档、产品文档齐全可用。 6、现场技术支援及临时适配工作 配合团队轻量化运营需求，兼任现场支援工程师，按需参与设备现场落地调试、基础故障排查、客户技术对接及问题反馈整改等支撑工作；配合研发团队完成测试迭代、样机复测及临时攻坚任务，完成领导交办的其他技术衔接相关工作。

1、多模态物理数据采集 围绕机械臂/人形机器人的抓取、放置、推拉、操作等任务，采集RGB D视频序列、力觉/触觉反馈、关节状态、动作指令等多模态数据，重点关注数据在时间维度上的连续性与一致性。 2、物理场景搭建与布设 根据算法需求，搭建包含不同物体材质、光照条件、背景干扰、遮挡关系的物理场景，覆盖长尾分布和极端工况，确保数据对世界模型的泛化性支撑。 3、时序数据质检与清洗 对采集到的时序视频数据进行质量筛查——识别画面跳帧、传感器时间戳不同步、动作轨迹中断等时序异常，确保数据在时间维度的对齐精度。 4、数据标注规范制定与执行 参与制定视频数据的标注标准（如物体运动轨迹标注、交互事件打点、物理状态变化标记），并协同标注团队完成数据资产规模化交付。 5、数据闭环反馈 配合算法团队，针对模型预测失败的Case（如物理规律违背、未来帧预测崩坏）进行定向补充采集，形成“采集→训练→验证→补采”的快速迭代闭环。