TCL
算法工程师（博士）
算法工程师（博士）
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Pytorch
Ros
Sim2Real
Slam
Vla
具身智能
多模态大模型
强化学习
值不值得投
81综合评分
综合评分 81
前沿具身智能算法岗，技术成长空间极大，薪资预期高，适合追求技术突破的博士人才。
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
4.8万
比具身智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 580 个在招
市场机会
选择面较广
上海 · 具身智能 · 59 个在招
职位详情
关于这个职位
该职位主要负责具身智能算法的研究、开发与落地，涵盖多模态感知、任务规划及运动控制等核心方向
你需要结合VLA、多模态大模型等前沿技术，推进机器人在导航、抓取等场景的Sim2Real技术落地，并与硬件及软件团队协作实现实际设备部署
最低要求
博士学历，计算机、人工智能、自动化、控制科学、机械工程或机器人相关专业
熟悉计算机视觉、机器人学、深度学习、强化学习或运动控制中的一个或多个方向
熟练使用Python及PyTorch等深度学习框架，具备C++开发能力者优先
熟悉VLA、多模态大模型、模仿学习、强化学习、SLAM、导航或机器人操作算法者优先
具备仿真平台或真实机器人开发经验，熟悉ROS、Isaac Sim、MuJoCo等平台者优先
在机器人、人工智能或计算机视觉领域重要期刊或会议发表论文，或有高水平竞赛、开源项目经历者优先
具备较强的算法实现、问题分析和团队协作能力
工作职责
负责具身智能算法的研究、开发和落地，包括多模态感知、环境理解、任务规划、运动控制及人机交互
研究VLA、多模态大模型、模仿学习、强化学习及机器人基础模型等关键技术
负责机器人在导航、抓取、操作等场景中的算法设计、模型训练和性能优化
建设仿真与真实环境数据采集、训练、评测及闭环迭代体系，推进Sim2Real技术落地
跟踪具身智能领域前沿进展，形成专利、论文或可产品化的技术方案
与机器人硬件、嵌入式、软件平台及产品团队协作，推动算法在实际设备上部署
优先资格
具备C++开发能力者优先
熟悉VLA、多模态大模型、模仿学习、强化学习、SLAM、导航或机器人操作算法者优先
具备仿真平台或真实机器人开发经验，熟悉ROS、Isaac Sim、MuJoCo等平台者优先
在机器人、人工智能或计算机视觉领域重要期刊或会议发表论文，或有高水平竞赛、开源项目经历者优先
AI 洞察
优缺点分析
优点
- 处于具身智能与多模态大模型这一极具前景的前沿赛道，技术壁垒高，个人成长空间大
- 依托大型企业的资源与硬件平台，能够接触到真实的机器人设备与丰富的数据，利于Sim2Real技术落地
- 博士起点高，有机会产出高水平论文与专利，建立行业内的学术与技术影响力
- 算法从仿真到真机部署（Sim2Real）存在巨大的现实鸿沟，需要解决大量工程与硬件适配问题
- 适合对机器人和人工智能有浓厚兴趣，具备扎实学术背景且渴望将前沿算法落地于真实物理世界的博士人才
缺点 / 挑战
- 具身智能属于前沿探索领域，技术路线迭代快，面临较高的研发不确定性与技术攻坚压力
角色解读
- 纵向可发展为具身智能算法专家或首席科学家，引领前沿技术攻关
- 横向可向机器人系统架构师或技术管理岗转型，负责整体产品技术路线规划
- 负责具身智能核心算法的研发，涵盖多模态感知、任务规划与运动控制等模块
- 研究并应用VLA、多模态大模型等前沿技术，推进机器人在真实场景中的Sim2Real落地
- 与硬件、嵌入式团队紧密协作，将算法部署到实际机器人设备上并持续优化性能
- 扎实的深度学习与机器人学基础，精通Python/PyTorch，具备C++工程化能力
- 熟悉VLA、强化学习、SLAM等具身智能关键技术，有仿真平台（Isaac Sim/MuJoCo）实操经验
- 具备优秀的算法实现与问题分析能力，能独立完成从模型训练到真机部署的闭环
申请策略
- 提前了解TCL在机器人或智能制造领域的业务布局，准备针对其实际产品场景的算法落地思路
- 突出在VLA、多模态大模型或强化学习等具身智能核心方向的研究成果与顶会/顶刊论文
- 详细展示在Isaac Sim、MuJoCo等仿真平台上的项目经验，以及Sim2Real真机部署的成功案例
- 强调C++工程化能力与ROS开发经验，证明具备将算法转化为实际产品代码的能力
- 深入学习VLA（视觉-语言-动作）模型及多模态大模型在机器人控制中的最新应用
- 提升C++与底层系统编程能力，熟悉嵌入式部署与模型推理加速技术
面试指南
- STAR法则：针对项目经历，按照情境、任务、行动、结果的框架清晰阐述，重点突出技术难点与解决方案
- 理论+实践：回答算法问题时，先简述理论原理，再结合具体代码或仿真/真机实验数据说明效果
- 请详细介绍你在VLA或多模态大模型方面的研究，以及如何将其应用于机器人的任务规划？
- 在Sim2Real过程中，你遇到过哪些最大的挑战（如Sim-to-Real Gap），是如何解决的？
- 请描述一个你使用强化学习或模仿学习解决机器人抓取/导航问题的完整项目经历
- 你的C++和ROS开发经验如何？在将Python训练的模型部署到C++环境时有哪些优化经验？
- 复习具身智能领域的最新顶会论文（如RSS, ICRA, CoRL），特别是VLA和机器人基础模型的相关工作
- 准备1-2个自己主导的完整项目，能够深入讲解从数据采集、模型训练到真机部署的全流程细节
职位点评
薪资福利85
成长发展90
工作生活60
使命价值85
薪资福利
85较高
博士学历叠加具身智能前沿方向，薪资预期处于市场高位，且依托大型上市企业，薪酬福利体系相对完善。
薪资信号未披露（AI估算：3.5千–6万/月）
成长发展
90较高
岗位聚焦具身智能与多模态大模型等最前沿技术，且明确要求跟踪前沿进展并产出专利论文，技术成长与学术发展空间极大。
技术前沿前沿/新兴技术
技术栈VLA、多模态大模型、强化学习、SLAM、ROS、Isaac Sim、MuJoCo、Sim2Real
成长机会跟踪具身智能领域前沿进展、形成专利、论文
业务类型profit_center
工作生活
60中等
大型上市企业通常具备较规范的作息，但前沿算法研发与真机调试往往需要较高的工作投入，JD未明确说明WLB情况。
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
85较高
具身智能是未来人工智能发展的重要方向，推动机器人技术落地具有较高的科技价值与行业前瞻性。
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）
TCL 的其他在招职位
相似职位推荐
Watch Jobs