中联重科
博士研究员
博士研究员
发布于 11 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
Llm
人形机器人
多智能体系统
数字孪生
数据科学
深度强化学习
生成式Ai
结构设计
运动控制
值不值得投
66综合评分
综合评分 66
工业装备企业的多方向前沿研发岗，技术成长性强，但薪资、办公模式与WLB信息未披露。
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
3.0万
比机器人开发中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
7 个在招 · 其中机器人开发 18 个
市场机会
选择适中
长沙 · 机器人开发 · 18 个在招
职位详情
关于这个职位
中联重科招聘博士研究员，面向人形机器人、多模态人机交互、多智能体、LLM/生成式AI、运动控制、智能制造、结构设计、物联网、数据科学与数字孪生等方向引进博士人才，参与关键技术研究、实验平台建设与工业场景落地
最低要求
博士及以上学历
能够在某一领域有想法并能付诸实施，给公司带来创新性研发成果及应用
各方向要求：1）人形机器人研发专家：博士学历（条件优秀可放宽至硕士），从事过人形机器人整机开发、关键零部件开发（如机械臂、仿生关节、传动机构）、运动控制、AI技术等方向研发
）多模态人机交互专家：博士学历，从事多模态人机协同关键技术的理论研究及实验平台设计与建设
）多智能体系统算法专家：博士学历，研究方向为博弈对抗、多智能体博弈、深度强化学习等方向
）人工智能算法专家：博士学历，研究方向为LLM语言大模型、生成式AI技术、语言模型和知识图谱等
）运动控制专家：博士学历，研究方向为运动控制操作系统在智能装备应用研究（机器人化、无人化）
）智能制造控制技术专家：博士学历，承担过制造型机器人的智能化技术与装备研发，有数字孪生项目经验
）结构设计专家：博士学历，有大型装备结构设计或结构优化科研项目经验
）物联网专家：博士学历，从事国内外物联网、大数据平台领域核心技术发展研究
）数据科学家：博士学历，工业场景装备预测性维护、寿命预测等项目经验或车间调度、生产、库存优化项目经验，对机器学习、运筹优化算法有深入理解，熟悉大模型微调和部署
）智能装备数字孪生专家：博士学历，从事机械、液压相关的仿真资源库和设计标准体系建设，有装备行业数字孪生相关经验
工作职责
在以下一个或多个方向开展研发：1）人形机器人研发：从事人形机器人整机开发、关键零部件开发（如机械臂、仿生关节、传动机构）、运动控制、AI技术等方向研发
）多模态人机交互：开展多模态人机协同关键技术的理论研究及实验平台设计与建设
）多智能体系统算法：围绕博弈对抗、多智能体博弈、深度强化学习等方向开展研究
）人工智能算法：围绕LLM语言大模型、生成式AI技术、语言模型和知识图谱等方向开展研究
）运动控制：研究运动控制操作系统在智能装备中的应用（机器人化、无人化）
）智能制造控制技术：承担制造型机器人的智能化技术与装备研发，参与数字孪生项目
）结构设计：承担大型装备结构设计或结构优化科研项目
）物联网：从事国内外物联网、大数据平台领域核心技术发展研究
）数据科学：面向工业场景装备预测性维护、寿命预测，或车间调度、生产、库存优化等方向，应用机器学习、运筹优化算法，并开展大模型微调和部署
）智能装备数字孪生：从事机械、液压相关的仿真资源库和设计标准体系建设，参与装备行业数字孪生相关项目
AI 洞察
优缺点分析
优点
- 方向覆盖人形机器人、LLM、多智能体、数字孪生等前沿领域，技术视野宽
- 工业装备企业提供真实场景和工程落地机会
- 博士人才可围绕某一方向建立深度研究影响力
- 岗位强调创新成果与应用，适合做有显示度的研发项目
- 招聘方向多，入职后需明确具体团队和课题，否则容易方向分散
- 前沿技术从研究到工业落地周期较长，需要工程化耐心
- 跨学科协作要求高，可能同时涉及机械、控制、AI与软件
- 适合博士阶段在机器人、AI、控制、智能制造、结构或数据科学等方向有积累，并希望把前沿研究落到工业场景中的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可在某一技术方向深耕为资深专家/技术负责人
- 也可向跨学科研发、项目/团队管理或解决方案架构方向发展
- 依托工业装备场景积累机器人化、无人化与智能制造的落地经验
- 围绕人形机器人、多模态交互、多智能体、LLM、运动控制、智能制造、结构设计、物联网、数据科学或数字孪生等方向开展关键技术研究
- 参与实验平台、仿真资源库与设计标准体系建设
- 推动研究成果在工业装备和制造场景中落地
- 博士学历，并在机器人、AI算法、运动控制、智能制造、结构设计、物联网或数据科学等某一方向有扎实研究基础
- 具备独立开展理论研究和实验平台建设的能力
- 有大型装备、工业场景或数字孪生项目经验者更匹配
- 能够把技术想法转化为可实施方案并形成创新成果
申请策略
- 投递前确认自己匹配的是哪一类专家方向，并在邮件/简历中注明
- 面试时主动询问具体团队、课题阶段、算力/实验条件与工作地点
- 按JD中的一个主方向精准呈现博士课题与项目，避免一份简历平均覆盖所有方向
- 突出人形机器人、机械臂、运动控制、AI算法或数字孪生等与岗位直接相关的项目
- 量化研究成果，如样机、实验平台、算法指标、论文/专利与工程落地
- 写明自己在项目中的独立贡献和从研究到实施的路径
- 补强机器人运动控制、强化学习、LLM微调部署或数字孪生仿真等岗位高频技能
- 了解工程机械/智能装备的业务场景与典型数据
面试指南
- 用STAR结构讲清项目背景、你的职责、技术方案与结果
- 先讲技术深度，再讲工程落地和业务价值
- 对不熟悉的方向坦诚边界，并说明可迁移能力和学习路径
- 请介绍你在人形机器人整机、关键零部件或运动控制方向最有代表性的项目
- 你的博士研究如何迁移到工业装备场景并产生应用价值
- 在多模态人机交互、多智能体或LLM方向，你如何设计实验验证关键技术
- 是否有数字孪生、预测性维护、调度优化等工业项目经验
- 面对跨机械、控制、AI的协作，你如何推进项目落地
职位点评
薪资福利55
成长发展88
工作生活50
使命价值75
薪资福利
55较低
JD未披露薪资、福利与发放信息，补偿性动机难以直接判断；岗位为博士研发专家方向，需在面试中重点确认薪酬包。
薪资信号未披露（AI估算：2.0千–4.0万/月）
成长发展
88较高
岗位覆盖人形机器人、LLM、多智能体、数字孪生等前沿方向，且强调创新性研发成果与应用，技术成长空间较大。
技术前沿前沿/新兴技术
技术栈人形机器人、运动控制、多模态人机交互、多智能体系统、深度强化学习、LLM、生成式AI、知识图谱、数字孪生、预测性维护、运筹优化
业务类型ambiguous
工作生活
50较低
JD未提及办公模式、弹性工时或加班安排，生活化动机信息不足，需在面试中确认。
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
75中等
岗位面向智能制造、机器人化与工业AI，技术应用方向较明确，但JD未直接描述社会使命或行业价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs