轉職熱搜工作

1、資料蒐集與整合：協助生成、蒐集、標註、整合視覺語言模型(VLM)所需的影像、文字及其描述資料，確保資料的多樣性與質量。 2、協助模型建立：協助執行模型訓練、剪枝、量化等工作，建立可於邊緣運算設備推論之視覺模型。 3. 協助應用系統開發、整合、測試。 4. 研究探索相關論文與技術。

雲端與機房維運，具體任務包含： 1.使用 Kubernetes 進行容器化應用部署、管理與維運 2.使用 VMware 建置與管理虛擬化環境 3.負責網路與機房基礎設施維運、監控與問題排除

1. 於 NVIDIA Isaac Sim / Omniverse 平台中建置高擬真物理模擬環境（包含地形、障礙物與感測器配置）。 2. 協助開發與訓練機械狗之 強化學習 (RL) 步態模型。 3. 協助 Sim2Real 參數調整與數據分析。

1. 協助開發軌道場域之多感測器融合演算法 (LiDAR + Camera)。 2. 研究 高維數據壓縮 (High-dimensional Data Compression) 與 AI 模型輕量化技術，優化邊緣運算效能。 3. 協助感測器數據清洗、標註與模型驗證。

研讀並實作相關RL, IL 論文，並與團隊進行模型雛形建置、訓練與布署，具體任務包含： 1. 使用 NVIDIA Omniverse Isaac Sim/ Isaac Lab 進行機器人模擬 2. 進行軌跡資料蒐集用於模仿學習模型訓練 3. 撰寫技術文件，協助記錄模擬流程與訓練架構設計

研讀並實作相關 RL、IL 論文，並與團隊共同推進控制策略模型的雛型建置、訓練與實機部署（Sim-to-Real），具體任務包含： 1. 使用 NVIDIA Omniverse Isaac Sim / Isaac Lab 建構機器人模擬環境，進行控制策略訓練 2. 進行軌跡資料蓄集，用於模仿學習模型訓練 3. 實作 Sim-to-Real 轉移流程，包含領域隨機化、物理參數隨機化等技術，縮小模擬與實體之間的表現落差 4. 對訓練完成的控制策略進行實機上線驗證，記錄模擬與實機間的表現差異分析 5. 撰寫技術文件，協助記錄模擬流程、訓練架構與 Sim-to-Real 實驗結果

參與以 VLM（視覺語言模型）為核心的機器人任務規劃系統開發，探索如何讓機器人「看懂環境、聽懂指令、做出行動」，具體任務包含： 1. 研讀 VLM / VLA（Vision-Language-Action）相關論文，並進行關鍵技術實作與驗證 2. 設計 Prompt 策略，將自然語言或視覺輸入拆解為機器人可執行的動作序列（Action + 參數） 3. 協助建構任務規劃模組，串接 VLM 推論結果與機器人動作夾帶參數的執行框架 4. 使用 NVIDIA Omniverse Isaac Sim 進行機器人模擬，驗證任務規劃正確性 5. 撰寫技術文件，記錄模型設計、Prompt 工程與測試結果