海尔
具身智能算法研究员/专家
具身智能算法研究员/专家
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
Pytorch
Vla
具身智能
强化学习
机器人控制
模型训练
计算机视觉
值不值得投
74综合评分
综合评分 74
前沿技术驱动、研发属性强、薪资待确认的具身智能专家岗
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
6.5万
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 780 个在招 · 其中具身智能 4 个
市场机会
选择面较广
上海 · 具身智能 · 77 个在招
职位详情
关于这个职位
该职位专注于具身智能核心算法的研究与模型训练，涵盖VLA、机器人基础模型及世界模型等前沿技术方向
候选人将深度参与机器人感知、决策、规划与控制模块的研发，搭建高质量数据与评测链路，推动先进算法在真实物理系统中的验证、落地与技术攻关
最低要求
计算机、人工智能、机器人、自动化、控制、电子信息、数学或相关专业
具备扎实的机器学习、深度学习及算法基础，熟悉Transformer、Diffusion / Flow Matching等主流模型技术
熟悉PyTorch等主流深度学习框架，具备良好的算法实现、实验设计和问题分析能力
在机器人学习、VLA、强化学习、模仿学习、计算机视觉、3D感知、运动规划或控制等至少一个方向具备较好的研究或工程经验
具备良好的沟通协作能力、技术学习能力和结果导向
工作职责
负责具身智能相关算法研究、模型训练、评测与系统优化
跟踪VLA、机器人基础模型、世界模型、强化学习等领域的前沿技术进展，并开展技术预研与验证
参与机器人感知、决策、规划与控制等关键模块研发，持续提升复杂任务完成能力与系统鲁棒性
参与数据采集、清洗、合成、训练及评测链路建设，推动数据与模型持续迭代
与机器人系统、工程及其他AI技术团队协作，推动算法在真实系统中的验证和落地
针对关键技术问题开展深入研究和技术攻关，并根据经验承担相应的技术方案设计或方向规划
优先资格
鼓励发表高水平学术论文、申请核心专利并参与开源社区建设
AI 洞察
优缺点分析
优点
- 切入具身智能与机器人基础模型等高增长赛道，技术视野与资源平台处于行业第一梯队
- 允许并鼓励学术产出与开源贡献，有利于构建长期的技术护城河与职业背书
- 依托成熟企业的工程化能力，可将前沿算法快速部署至真实硬件系统，避免纯理论研究的落地断层
- 多模态大模型与机器人控制的结合仍处于快速演进期，技术路径与评估标准尚未完全收敛
- 真实场景调试受硬件限制较大，实验周期长且容错率低，需做好长期攻坚的心理准备
- 适合具备扎实科研背景、热爱底层技术突破，且能在不确定性中保持结果导向的资深算法研究者
缺点 / 挑战
- 需要同时兼顾算法创新、数据链路建设与跨团队协同，对项目管理与抗压能力要求较高
角色解读
- 向具身智能首席科学家或技术总监方向发展，主导公司级AI战略与技术路线规划
- 在学术界与工业界交叉领域建立个人品牌，通过高水平论文、核心专利与开源项目积累行业影响力
- 主导具身智能核心算法的研究、模型训练与系统优化，覆盖VLA与世界模型等前沿方向
- 负责机器人感知、决策、规划与控制模块的研发，提升复杂任务执行能力与系统鲁棒性
- 搭建从数据采集、清洗、合成交互到模型评测的全链路，推动算法在真实物理环境中的落地验证
- 扎实的机器学习与深度学习理论基础，熟练掌握Transformer、Diffusion/Flow Matching等架构
- 精通PyTorch等主流框架，具备优秀的算法实现、实验设计与数据分析能力
- 在机器人学习、强化学习、计算机视觉或运动控制等至少一个垂直方向拥有深厚的研究或工程实践经验
申请策略
- 提前调研目标公司在智能家居与工业互联网领域的具身应用场景，面试时可结合业务痛点提出算法落地思路
- 关注团队近期技术博客或开源动态，针对性准备技术预研方案的可行性分析与风险评估
- 重点突出在VLA、强化学习或机器人控制方向的顶会论文、核心专利或高星开源项目
- 详细量化过往项目中模型性能提升比例、复杂任务成功率及系统鲁棒性优化指标
- 强调跨学科协作经验，展示如何将算法从实验室环境成功迁移至实际硬件或仿真平台
- 深入掌握多模态对齐技术与世界模型架构，补充Sim-to-Real迁移与域适应相关知识
- 强化大规模分布式训练与高效推理优化能力，熟悉主流云原生AI部署工具链
- 提升技术文档撰写与学术表达能力，为后续论文投稿与专利申报做准备
面试指南
- 采用STAR法则结构化回答：清晰界定业务/科研背景，说明技术选型依据，量化实验过程与最终收益，复盘可复用经验
- 针对技术权衡类问题，先列出核心约束条件（算力、延迟、精度），对比不同方案的优劣矩阵，最后给出基于当前阶段的折中策略
- 针对落地故障排查，按“数据质量→仿真域差→硬件噪声→控制延迟”逐层定位，强调日志监控与A/B测试的工程习惯
- 请分享一个你主导的机器人学习或VLA项目，你是如何解决数据稀缺或分布偏移问题的？
- 面对World Model与RL结合的架构选择，你会如何权衡计算开销与策略泛化能力？
- 当算法在仿真环境中表现优异但在真机部署时频繁失败，你的排查与优化流程是什么？
- 如何设计一套可复现、可量化的具身智能算法评测基准？
- 系统复习Transformer变体、扩散模型采样机制及强化学习最新SOTA论文，准备1-2个深度技术拆解案例
职位点评
薪资福利70
成长发展85
工作生活60
使命价值80
薪资福利
70中等
JD未明确披露具体薪资范围，但作为上市巨头企业的核心算法专家岗，通常提供具备市场竞争力的薪酬包及完善的常规福利体系。
薪资信号未披露（AI估算：4.5千–8.5万/月）
成长发展
85较高
聚焦VLA与世界模型等前沿领域，技术栈领先，且鼓励论文专利产出与开源贡献，成长空间广阔。
技术前沿前沿/新兴技术
技术栈VLA、世界模型、强化学习、Transformer、Diffusion、PyTorch
业务类型profit_center
工作生活
60中等
研发类岗位通常需投入较多精力进行实验与模型调优，JD未明确提及弹性工时或远程政策，工作节奏可能偏紧凑。
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
80较高
处于具身智能这一高速发展的新兴赛道，致力于突破机器人感知与控制瓶颈，具有显著的技术探索价值与行业前瞻性。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs