黑芝麻
VLA大模型算法工程师（机器人）(J11193)
VLA大模型算法工程师（机器人）(J11193)
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公机器人开发
机器人开发
Pytorch
Sim-To-Real
Vla
Vlm
具身智能
推理加速
机器人
模仿学习
模型量化
值不值得投
71综合评分
综合评分 71
前沿VLA算法岗、技术挑战高、深圳工作，成长性强但生活平衡未明。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.3万
与机器人开发中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
24 个在招 · 其中机器人开发 2 个
市场机会
选择适中
深圳 · 机器人开发 · 39 个在招
职位详情
关于这个职位
作为VLA大模型算法工程师，你将负责视觉语言动作模型在机器人平台上的全链路研发，包括模型训练、评测和部署
你需要连接多模态理解、策略学习和真机控制，推动AI能力从实验室走向真实任务落地，解决机器人智能的核心挑战
最低要求
专业背景：计算机、人工智能、机器人、自动化或相关专业硕士及以上学历，2年以上多模态大模型、模仿学习或机器人策略模型研发经验
优秀本科生可放宽
核心技能：
深入理解Transformer、VLM及生成式策略模型，熟悉行为克隆、模仿学习、强化学习或机器人策略学习
熟练掌握Python、PyTorch和分布式训练，能够独立完成数据处理、训练调优、实验分析和模型复现
理解机械臂或移动机器人控制、坐标系、轨迹、状态与动作表示，以及相机和关节等传感器数据
具备模型量化、推理加速和显存分析能力，能够处理端侧部署中的算子、时延与稳定性问题
工作职责
VLA模型研发：研究并实现Transformer、VLM、Diffusion/Flow Matching、Action Token和Policy Model等技术，完成模型选型、复现、微调与架构改进
机器人数据工程：建设遥操作采集、轨迹切分、清洗、标注、数据配比和增强流程，提升数据质量、任务覆盖度与训练效率
训练与泛化优化：使用PyTorch开展分布式训练、参数高效微调、蒸馏及Sim-to-Real/域适配，提升模型对新场景、新物体和新任务的泛化能力
评测与真机闭环：建立离线指标、仿真评测和真机任务成功率体系，定位感知、语言理解、策略、控制和时延等环节的失败原因
端侧部署优化：完成模型量化、算子适配、显存/内存优化和推理加速，使VLA模型满足机器人平台的实时性与稳定性要求
优先资格
加分项：
复现或改造过OpenVLA、pi0、GR00T、ACT、Octo等主流VLA/机器人策略模型者优先
有遥操作数据采集、机器人真机闭环、Sim-to-Real或具身智能基准评测经验者优先
具备多模态模型与机器人系统交叉背景，能够贯通模型训练、部署优化和真机控制者优先
AI 洞察
优缺点分析
优点
- 技术前沿：涉及VLA、具身智能等新兴领域，有大量创新和探索机会
- 交叉学科：结合AI、机器人和多模态学习，技能积累面广，职业选择多样
- 落地导向：工作直接应用于机器人真实任务，成就感强，能看到实际效果
- 技术难度高：需要同时精通多模态大模型和机器人系统，学习曲线陡峭
- 调试复杂：真机部署涉及软硬件协同，问题定位和优化可能耗时较长
- 竞争激烈：该领域人才稀缺但需求增长快，对候选人综合能力要求极高
- 适合对机器人AI和多模态学习有浓厚兴趣，具备扎实算法基础和动手能力，乐于解决跨学科复杂问题的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路线：深入VLA和具身智能前沿，成为AI机器人领域的技术权威
- 架构师路线：主导机器人AI系统架构设计，推动跨领域技术整合
- 管理路线：带领算法团队，负责机器人AI项目的技术规划和落地
- 负责视觉语言动作模型（VLA）的研发，包括模型训练、微调和架构改进
- 构建机器人数据采集和处理流程，提升数据质量和训练效率
- 进行模型评测和真机部署优化，解决从仿真到真实世界的泛化问题
- 优化端侧推理性能，确保模型在机器人平台上的实时性和稳定性
- 深入掌握多模态大模型技术，如Transformer、VLM和生成式策略模型
- 熟练使用Python、PyTorch进行分布式训练和模型调优
- 理解机器人控制原理，包括坐标系、轨迹和传感器数据处理
- 具备模型量化、推理加速和端侧部署优化能力
申请策略
- 研究黑芝麻智能科技在机器人或自动驾驶领域的业务方向，了解其技术布局
- 准备展示从模型训练到真机部署的完整案例，突出闭环思维和解决问题能力
- 突出多模态大模型（如VLA、VLM）的研发或复现经验，包括具体项目成果
- 强调机器人相关经历，如策略模型训练、Sim-to-Real部署或真机实验
- 展示PyTorch分布式训练、模型量化等工程优化技能，提供性能提升数据
- 列出对主流VLA模型（如OpenVLA、pi0）的了解或实践，证明领域知识
- 深入学习具身智能基准和Sim-to-Real技术，关注最新论文和开源项目
- 实践机器人数据采集和处理工具，如遥操作框架、数据增强方法
面试指南
- 采用STAR法则：描述具体情境、任务、行动和结果，突出技术细节和量化指标
- 强调跨学科思维：结合AI模型和机器人系统视角，解释技术选型和优化逻辑
- 展示问题解决能力：从数据、模型、控制等多角度分析失败原因，提出系统性改进方案
- 请描述你如何实现一个VLA模型从训练到真机部署的完整流程？
- 在机器人数据工程中，你遇到过哪些挑战？如何提升数据质量和训练效率？
- 如何评估VLA模型在真实机器人任务上的泛化能力？请举例说明
- 解释模型量化和推理加速在端侧部署中的作用，你有哪些实践经验？
- 如果你发现机器人真机任务成功率低，你会如何分析并定位问题环节？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值80
薪资福利
70中等
该职位为已上市大企业岗位，薪资估算处于市场中上水平，但未明确福利细节，补偿性动机满足度中等。
薪资信号未披露（AI估算：2.5千–4万/月）
成长发展
85较高
技术涉及前沿的VLA和具身智能领域，有较强的成长信号和技能积累机会，但未提及明确的培训或晋升路径。
技术前沿前沿/新兴技术
技术栈VLA、Transformer、VLM、PyTorch、Sim-to-Real
业务类型profit_center
工作生活
50较低
JD未提及办公模式和加班情况，工作地点在深圳，但生活化动机满足程度有限，需进一步确认。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
机器人和AI领域是高速增长赛道，推动技术落地有较高社会价值，但JD未强调使命导向。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
黑芝麻 的其他在招职位
相似职位推荐
Watch Jobs