· 岗位职责1.物理动力学建模：研发基于潜在变量（Latent Variable）的世界模型，构建机器人在隐空间下的状态演化预测能力，实现对复杂物理交互过程的精准建模；2.3D/4D 时空表征：深度融合视觉与 3D 信息（如 Gaussian Splatting, 点云），构建包含几何一致性与时空连续性的环境统一表征，提升机器人在未知环境中的空间推理能力；3.生成式数据增强：利用扩散模型（Diffusion）或流匹配（Flow Matching）技术生成高保真、符合物理规律的仿真数据，解决工业特种场景下动作数据稀疏的问题；4.模型驱动的 Policy 优化：研究基于世界模型的“想象中学习（Learning in Imagination）”技术，利用预测模型加速强化学习或模仿学习的收敛；5.前沿探索：跟踪 JEPA、World Models、Generative Simulation 等领域最新进展，推动模型从单纯的“视频生成”向“可交互物理模拟”进化。 · 任职要求1.计算机科学、人工智能等相关领域的硕士/博士，精通Python编程语言和PyTorch框架，具备扎实的数学建模分析能力；2.深入理解 Transformer、Diffusion、JEPA、Flow Matching或Dreamer 系列等模型；3.熟悉 3D 视觉（如 3DGS、NeRF）或 4D 时空特征学习，有大规模无监督/自监督预训练经验者优先。 · 加分项：• 熟悉物理引擎（MuJoCo, Isaac Gym）与真实世界的动力学对齐；• 在ICML、ICLR、CVPR、RSS、ICRA等顶会或者同等影响力的学术刊物上发表过相关论文。