海尔
机器人VLM算法工程师
机器人VLM算法工程师
发布于 3 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
Diffusion
Dino
Llava
Llm
Qwenvl
Rlhf
Sam
Vit
Vlm
值不值得投
80综合评分
综合评分 80
海尔具身智能核心算法岗，技术栈前沿、成长空间大、薪资预期高，但学术与工程落地挑战并存。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5万
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 640 个在招 · 其中具身智能 3 个
市场机会
选择面较广
北京 · 具身智能 · 74 个在招
职位详情
关于这个职位
该职位主要负责构建和优化具身智能领域的多模态大模型基座，涵盖数据预训练、微调及RLHF等核心算法
你需要探索前沿VLM算法并推动其在机器人领域的实际落地，是连接前沿AI技术与实体机器人的关键研发角色
最低要求
计算机视觉、多模态大模型等相关领域的硕士或博士;
熟悉多模态领域算法，熟悉Llava、QwenVL等基础VLM模型;
熟悉NLP领域算法，熟悉Bert、GPT、Llama等基础LLM模型;
熟悉CV领域算法，熟悉ViT、DINO、SAM、GAN、Diffusion等基础CV模型;
一作顶会/顶刊论文发表，包括不仅限于ICML，ICLR，NeurIPS, ACL, EMNLP, CVPR, ECCV, ICCV等;
工作职责
构建具身智能领域多模态大模型基座，优化数据处理预训练、微调、RLHF等算法;
探索具身智能领域前沿多模态大模型算法，掌握最新技术趋势;
推进多模态大模型在具身领域的应用落地
优先资格
有实际机器人项目经验者优先
AI 洞察
优缺点分析
优点
- 处于具身智能和多模态大模型的最前沿赛道，技术壁垒高，个人技术价值和市场竞争力提升极快
- 依托大型上市企业平台，拥有丰富的硬件资源和落地场景，有利于算法从理论走向实际产品
- 要求顶会一作，团队整体学术和工程水平高，能与优秀的同事共事，技术交流氛围浓厚
- 具身智能目前仍处于早期探索阶段，从大模型到机器人实际控制的落地难度大，可能面临较长的研发周期和试错成本
- 适合拥有扎实学术背景（硕博+顶会一作）、对具身智能和机器人充满热情，且希望将前沿AI技术落地到实体硬件的算法人才
缺点 / 挑战
- 对学术能力要求极高（顶会一作），需要持续阅读最新论文并保持高强度的科研输出，工作压力较大
角色解读
- 纵向可成长为具身智能算法专家或首席科学家，主导核心算法架构设计
- 横向可向具身智能产品负责人或技术总监发展，带领团队实现技术到产品的商业化落地
- 构建和优化具身智能领域的多模态大模型基座，负责数据预训练、微调及RLHF等核心算法的研发
- 跟踪并探索具身智能和多模态大模型的前沿技术趋势，保持技术领先性
- 推动多模态大模型在机器人等具身智能硬件上的实际应用与落地
- 扎实的计算机视觉、NLP及多模态大模型理论基础，熟悉Llava、QwenVL、Llama等主流模型架构
- 具备顶会/顶刊（如CVPR、ICLR、ACL等）一作论文发表经历，证明具备独立开展前沿研究的能力
- 熟悉ViT、DINO、SAM、Diffusion等CV基础模型，以及RLHF等对齐算法
申请策略
- 提前了解海尔在智能家居和机器人领域的最新产品布局，思考多模态大模型如何赋能其现有产品线
- 重点突出在ICML、CVPR、ICLR等顶会/顶刊发表的一作论文，详细说明研究内容及其在多模态或CV/NLP领域的创新点
- 详细列出熟悉的VLM、LLM和CV模型（如Llava、QwenVL、ViT等），并说明在实际项目中的微调或应用经验
- 如果有机器人相关项目经验，务必详细描述在具身智能、Sim2Real或机器人控制方面的具体贡献和成果
- 深入学习RLHF、PPO等对齐算法，以及多模态大模型在机器人感知与决策中的最新应用（如RT-2、Octo等）
- 熟悉ROS（机器人操作系统）及基础的机器人控制理论，弥补纯算法背景在具身落地时的工程短板
面试指南
- 对于论文/研究问题：采用STAR法则，重点突出Problem（痛点）、Method（你的创新方法）、Result（SOTA指标或实际效果）
- 对于工程落地问题：从数据构建、模型选型、训练策略（如RLHF）、到部署优化（如量化、推理加速）全链路思考，展现系统性工程能力
- 请详细介绍你发表的一篇顶会一作论文，核心创新点是什么？解决了什么具体问题？
- 在微调Llava或QwenVL等多模态模型时，你遇到过哪些数据或显存瓶颈？是如何解决的？
- 你认为目前多模态大模型在具身智能（如机器人操作、导航）中面临的最大挑战是什么？
- 如果要将一个在仿真环境中训练好的VLM模型部署到真实机器人上，你会如何设计Sim2Real的方案？
- 复习自己论文的细节，准备好应对评委式的深度提问，确保对模型公式、推导和实验细节了如指掌
- 了解具身智能领域的最新开源项目（如OpenVLA、RT-X等），形成自己对技术路线的独立见解
职位点评
薪资福利85
成长发展95
工作生活50
使命价值85
薪资福利
85较高
作为高门槛的AI算法岗，薪资水平处于市场高位，且依托大型上市企业平台，整体薪酬福利具有较强竞争力。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
95较高
岗位聚焦具身智能与多模态大模型等最前沿技术，技术栈极具前瞻性，能为个人技术成长提供极高的天花板。
技术前沿前沿/新兴技术
技术栈VLM、Llava、QwenVL、LLM、ViT、DINO、SAM、RLHF、Diffusion
业务类型ambiguous
工作生活
50较低
JD中未提及工作模式与作息安排，考虑到算法研发及顶会论文要求，工作强度可能较大，WLB情况无法判断。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
具身智能是AI发展的下一个重要方向，将大模型能力赋予实体机器人，具有较高的科技探索价值与行业前景。
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）
Watch Jobs