我们是一支由北京大学、清华大学、斯坦福大学、加州大学伯克利分校及中国科学院自动化研究所硕博士研究人员共同组建的前沿科研团队，核心成员长期深耕具身智能、世界模型与机器人学习，致力于构建面向真实物理世界的下一代智能系统。
致力于研究面向真实物理世界的下一代具身智能系统。我们希望构建能够理解空间结构、感知物理交互、预测环境变化，并通过行动持续学习的具身世界模型，使机器人真正具备对现实世界的感知、推理、预测与交互能力。
团队重点关注具身智能世界模型与物理智能，并围绕几何表征、触觉与力觉、4D时空建模、物理表征学习等方向开展前沿研究。
现招聘高级算法实习生，与团队共同探索具身智能与物理智能领域的重要问题，并推动研究成果在真实机器人系统中的验证与落地。
JOIN US
参与具身智能世界模型与物理智能核心研究的机会；
与团队研究员共同定义问题并推进原创性研究；
充足的训练算力、机器人平台及多模态传感设备；
支持高水平论文投稿、专利申请及开源成果发布；
表现优秀者可获得长期实习、校招或正式岗位机会；
具有竞争力的实习薪酬【800-1500】/天。
你将参与以下一个或多个方向的研究：
具身智能世界模型：
研究能够建模机器人、物体与环境动态变化的世界模型；
探索视频生成模型、扩散模型、自回归模型、潜空间模型等技术在具身智能中的应用；
研究动作条件预测、长时序预测、交互式生成及闭环规划；
探索世界模型与VLA、机器人策略学习、模仿学习及强化学习的结合。
研究面向机器人感知与操作的三维几何表征；
探索多视角几何、三维重建、点云、体素、隐式场、Gaussian Splatting等技术；
研究物体、场景及机器人之间的空间关系、可供性与交互几何；
探索从互联网视频、机器人数据及多模态数据中学习通用空间表征。
触觉、力觉与接触建模：
研究视觉、触觉、力觉及本体感知等多模态信息的联合表征；
探索接触状态、受力变化、物体材质、形变、滑动及操作阶段的感知与预测；
研究面向精细操作和接触丰富任务的多模态世界模型；
探索触觉与力觉在策略学习、状态估计、失败检测和闭环控制中的作用。
4D时空建模：
研究动态场景中的三维结构、运动与时间变化；
探索4D场景重建、动态几何表示、时空对应关系及运动场建模；
研究可变形物体、关节物体及复杂交互过程的动态表示；
构建能够同时描述几何、运动与交互变化的统一时空模型。
研究质量、摩擦、刚度、惯性、接触关系及动力学等物理属性的隐式或显式表征；
探索从视频、机器人交互数据和多模态传感数据中学习物理规律；
研究具有物体中心、组合性、因果性和可预测性的物理表征；
探索将物理先验、物理仿真与生成式模型结合，提高模型的泛化性和物理一致性。
JOIN US
跟踪具身智能、世界模型、计算机视觉、机器人学习和生成模型等领域的前沿研究，提出具有创新性的技术方案；
独立或协作完成算法设计、代码实现、模型训练、实验分析和迭代优化；
参与多模态机器人数据的采集、清洗、标注、表征学习和评测体系建设；
研究具身世界模型在机器人操作、动态交互、精细控制等任务中的应用；
推动算法在仿真环境及真实机器人平台上的部署、测试和验证；
参与高质量论文、技术报告、专利或开源项目的撰写与发布。
JOIN US
1.计算机科学、人工智能、自动化、机器人、电子信息、数学、物理或相关专业硕士或博士在读；
2.具备扎实的机器学习和深度学习基础，理解Transformer、生成模型、表征学习等基本方法；
3.在以下至少一个方向具有较深入的研究或项目经验：
世界模型、视频生成或多模态生成；
3D视觉、多视角几何、三维重建或神经渲染；
4D场景理解、动态重建或时空建模；
触觉、力觉、多模态融合或接触建模；
机器人操作、VLA、模仿学习或强化学习；
物理仿真、动力学建模或物理表征学习。
4.熟练使用Python及PyTorch等深度学习框架，能够独立完成算法原型开发、训练和实验验证；
5.具备良好的论文阅读、问题分析和实验设计能力，能够将研究想法快速转化为可验证的方案；
6.具有较强的自主研究能力、执行力和好奇心，愿意探索尚无成熟答案的前沿问题；
7.具备良好的沟通能力和团队协作意识。
满足以下任意一项均为加分项：
JOIN US
在CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、AAAI、SIGGRAPH、CoRL、RSS、ICRA、IROS等会议或期刊发表过论文；
有世界模型、视频生成、3D/4D视觉、触觉学习或机器人学习相关研究成果；
熟悉Diffusion Transformer、Video Transformer、VAE、Autoregressive Model等生成式模型；
熟悉Point Cloud、NeRF、3D/4D Gaussian Splatting、SDF或其他三维表示；
使用过GelSight、DIGIT、视触觉传感器、六维力传感器等触觉或力觉设备；
熟悉MuJoCo、Isaac Sim、Isaac Lab、SAPIEN、PyBullet等机器人仿真平台；
熟悉ROS/ROS 2、C++、CUDA、Triton或分布式训练框架；
有机械臂、灵巧手、人形机器人等真实机器人平台的算法部署经验；
有高质量开源项目、数据集、Benchmark或技术博客；
具备从提出问题、设计方法到完成论文写作的完整科研经历。
实习地点：【北京】
实习方式：【线下】
实习时间：3个月及以上
出勤要求：每周至少五天，全职实习者优先
到岗时间：8月中旬
请将简历发送至：gpkupilab@pku.edu.cn
邮件及简历命名：
高级算法实习生－研究方向－姓名－学校－可实习时长
除简历外，欢迎附上个人主页、Google Scholar、GitHub、代表性论文、项目报告或其他能够体现研究与工程能力的材料。
