【你将参与的方向】 具身智能 · 精细操作 · 模型研究（视觉/触觉/动作，多模态世界模型与策略学习） 你会直接参与打造下一代操作智能的关键能力：从数据与模型到策略与真机闭环，做能发论文、能上硬件、能产生影响力的工作。 【你会做什么】 - 世界模型 / 生成式预测 - 建模视觉-触觉-动作序列，学习可预测的状态表征与接触动力学 - 做未来预测与“想象式 roll-out”（latent dynamics / rollout） - 策略学习与控制 - 基于世界模型进行 planning / policy learning（imitation / offline RL / RL / diffusion policy 等） - 面向接触丰富任务的稳定控制与泛化（抓取、在手操作、插拔、旋拧、按压、拨动等） - 数据与基准建设 - 设计与落地真实数据采集流程，构建训练数据与评测基准 - 推动可复现研究：实验框架、对照实验、ablation 与结果分析 - 真机闭环迭代 - 把模型跑到真实硬件上，持续迭代：sim2real、噪声、标定、延迟与鲁棒性等 【我们希望你具备】 - 27届及之后毕业在校生，可持续实习3个月及以上，每周至少 4 天投入，线下优先 - 熟练使用 PyTorch（或同等深度学习框架），具备良好实验与工程习惯（可复现、版本管理） - 对以下任一方向有扎实基础（满足其一即可，越多越好）： - 多模态学习 / 生成模型（Transformer / diffusion / flow 等） - 强化学习 / 模仿学习 / offline RL - 机器人操作（manipulation）、接触动力学、控制 - 3D 视觉 / 位姿估计 / 点云等 - 加分项： - 有机器人真机经验（ROS/ROS2、硬件调试、部署） - 有相关论文/竞赛/开源项目（请附链接） - 复现过经典工作（Diffusion Policy、RT 系列、world model、离线RL等） 【你能获得什么】 - 真机硬件与一线数据条件 - 各类先进的机械臂、灵巧手、遥操机构，以及触觉/多传感器数据采集系统 - 支持从数据到模型到真机的完整闭环 - 充足算力 - 支持高频实验与大模型训练/微调，让你把时间花在“做对”而不是“等机器” - 顶级导师与环境 - 来自华为、机器人大厂、蔚来汽车智驾等领域专家指导 - 以及清华大学老师的研究指导与交流机会 - 充分自主性 + 论文支持 - 给你足够的研究空间与 ownership，支持发论文/技术报告/对外交流 - 鼓励做“有影响力的成果”，而不是一次性 demo