Thermo Fisher Scientific 為生命科學、醫療保健與分析化學領域的機構開發並供應科學儀器、試劑、耗材及軟體服務。其產品組合支援實驗室研究與生產，應用範圍涵蓋診斷、實驗室工作流程自動化與藥物探索。公司的產品與服務協助研究及醫療團隊管理複雜的實驗室流程，推動科學發展。
實體人工智慧研究實習生（遠端，美國）
研究與開發涵蓋電腦視覺、視覺語言模型、3D 感知與機器人的實體人工智慧系統。將實驗性工作轉化為可重現的程式碼、可部署服務、評估報告與展示成果。
說明
- 開發並微調用於偵測、追蹤、分割、姿態與活動辨識，以及場景理解的模型
- 訓練並評估用於落地、密集描述、時間序列問答與工具使用的視覺語言模型
- 建立用於感知與行動的檢索增強型及基於代理的工作流程
- 運用模擬資料與真實世界資料，製作由感知驅動的控制策略原型
- 將感知系統連接至規劃器與任務圖，用於操作、導航及安全應用
- 準備資料集，定義評估方法與關鍵績效指標，並進行消融研究
- 使用 Kubernetes、Docker、Ray 與 FastAPI，將研究系統部署為可靠服務
- 實作效能分析、遙測與持續整合，以支援可重現研究
- 協調涵蓋感知、推理、模擬與程式碼生成的多代理流程
- 研究影片理解、3D 場景落地、邊緣推論、多模態評估，以及模擬到現實策略的效能
- 產出可發表或開源的研究、可用於生產環境的元件、可重現實作、評估報告與展示成果
職位要求
- 正在攻讀電腦科學、電機工程、機器人學或相關領域的碩士或博士學位，並在電腦視覺、機器學習或機器人學領域有發表成果
- 具備進階 Python 以及 PyTorch 或 JAX 技能，熟悉 CUDA 效能分析與混合精度訓練
- 具備電腦視覺研究經驗，並至少涉足視覺語言模型、具身或實體人工智慧、3D 感知等領域之一
- 能夠將已發表的研究推進至實作、消融研究與嚴格追蹤結果的階段
- 具備影片模型、擴散模型、3D Gaussian Splatting 或 NeRF、SLAM，或場景重建經驗
- 曾參與多模態落地或時間序列推理相關工作
- 熟悉 ROS2、DeepStream 或 TAO，或熟悉使用 TensorRT 或 ONNX 進行邊緣推論最佳化
- 具備使用 Ray、分散式資料載入器或分片檢查點進行可擴展訓練的經驗
- 具備良好的軟體工程實務，包括測試、程式碼檢查、效能分析、容器化與可重現性
- 擁有公開技術成果，例如 GitHub 專案、第一作者論文或重要開源貢獻
