硕士及以上学历，计算机、人工智能、机器人、自动化、电子信息、应用数学等相关专业；

具备扎实的计算机、数学、机器学习或机器人基础，对具身智能和机器人技术有持续兴趣，愿意解决真实世界中的复杂问题；

具备良好的 Python 和/或 C++ 编程能力，能够独立完成技术实现、实验调试、结果分析和问题定位；

在以下一个或多个方向具备扎实基础、项目经历或突出潜力即可：

Model｜模型与学习算法
熟悉深度学习基本原理，对 Transformer、生成模型、多模态模型等现代模型架构有一定理解；
了解或实践过 VLA/WAM、世界模型、模仿学习、强化学习、机器人策略学习等一个或多个方向；
能够围绕模型效果进行实验设计、训练调试、结果分析与算法迭代。
Data｜机器人数据与评测
对机器人数据、多模态数据或视觉/视频数据的采集、处理、组织与质量分析有一定理解或实践；
能够从模型结果和失败案例中发现数据问题，并对数据覆盖度、数据质量、数据筛选与配比等问题有自己的思考；
对如何通过数据持续提升模型能力具有兴趣，有机器人数据闭环、数据质量分析或模型评测相关经验者优先。
System｜机器人系统与部署
具备较好的软件开发与系统 Debug 能力，对 Linux、机器人软件系统、模型部署或实时系统有一定理解；
了解机器人状态、观测、动作、坐标变换、运动学、传感器与控制等基本概念；
对模型 Runtime、推理部署、机器人中间件，以及模型推理与机器人控制协同等问题有兴趣或相关实践。
具备较强的学习和研究能力，能够阅读技术论文和资料，并快速理解、验证和应用新的方法；

具备良好的问题分析与协作能力，愿意跨越数据、模型和系统边界，把真实机器人问题持续做深、做通。

加分项
具备以下任意经历均为加分项，但不是必要条件：

在具身智能、机器人学习、强化学习、多模态模型、计算机视觉等方向有科研或高质量项目经历；
有 VLA/WAM、机器人策略学习、世界模型等前沿方向的研究、复现或开源项目经验；
有机械臂、人形机器人、移动机器人等真实机器人实验经历，或使用过主流机器人仿真与学习平台；
有大模型训练、分布式训练、模型部署、推理优化、机器人软件或控制系统相关实践；
有高质量论文、开源项目、机器人或人工智能竞赛经历。