均胜电子
机器人学习研究员
机器人学习研究员
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
Act
Pytorch
Ros/Ros2
Sim-To-Real
具身智能
强化学习
模仿学习
值不值得投
薪资怎么样
3.8万
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
17 个在招 · 其中具身智能 13 个
市场机会
选择不多
宁波 · 具身智能 · 1 个在招
职位详情
关于这个职位
该岗位面向具身智能场景做机器人学习算法研究，核心是把视觉、语言与机器人本体状态等多模态信息直接映射为动作，构建端到端策略模型
你需要在模仿学习与强化学习方向持续探索，从仿真训练一路做到真机部署与闭环验证，让机器人在复杂操作任务中更稳、更准、更泛化
最低要求
计算机、自动化、电子信息、机器人工程、控制科学、数学等相关专业硕士及以上学历，博士优先
编程基础扎实，熟练掌握 Python、PyTorch 及 Linux 开发环境，具备良好的算法实现、代码调试和工程化能力
熟悉 C++、ROS 或 ROS2 者优先
深入理解模仿学习与强化学习的核心原理，熟悉 Behavior Cloning、DAgger、Offline RL、Online RL、Actor-Critic、Policy Gradient 等方法，具备从零到一完成机器人策略训练的实践经验
熟悉 ACT、Diffusion Policy 等机器人策略模型，了解奖励函数设计、价值函数学习、策略评测及 Sim-to-Real 等关键问题，能够独立解决策略收敛、分布偏移和执行稳定性问题
具备扎实的实验方法论，能够设计严谨的对照与消融实验，并对训练过程和失败案例进行系统性分析
学习能力和自驱力强，具备良好的团队协作与沟通能力
工作职责
负责面向具身智能的机器人学习算法研究与开发，重点探索模仿学习与强化学习，构建从视觉、语言、机器人本体状态等多模态观测到动作输出的端到端策略模型
研究行为克隆、离线强化学习、在线强化学习、Diffusion Policy、Action Chunking 及分层策略学习等技术，提升机器人在复杂操作任务中的学习效率、动作精度和任务成功率
研究奖励建模、价值估计、策略优化、数据利用效率和探索方法，解决分布偏移、误差累积、稀疏奖励和长程任务中的策略学习问题
负责机器人策略的训练、评测与部署，推动算法在仿真和真实机器人平台上的闭环验证，持续提升策略的泛化能力、执行稳定性、实时性及失败恢复能力
优先资格
在机器人领域会议（CoRL、RSS、ICRA、IROS）或机器学习领域会议（NeurIPS、ICML、ICLR）发表过一作论文
具备大规模机器人数据、模仿学习或离线强化学习模型训练经验
具备真实机器人控制、遥操作数据采集、策略部署及软硬件联调经验
具备在线强化学习、Model-Based RL、奖励模型、长程任务规划、Sim-to-Real 或灵巧操作等相关背景
拥有具有影响力的开源项目、机器人竞赛成绩或工业级机器人策略上线经验
AI 洞察
优缺点分析
优点
- 方向处在具身智能与机器人学习的前沿，技术栈新、可积累的研究资产多
- 岗位覆盖从算法研究到真机部署的完整链路，能同时锻炼研究能力与工程落地能力
- 公司为实体制造背景，具备真实机器人平台与场景数据，有利于做有产业价值的成果
- 部门名为「通用具身大脑」，说明是新组建的战略方向，个人贡献容易被看到
- 具身智能仍处早期，很多问题（分布偏移、Sim-to-Real、长程任务）没有成熟方案，需要承受反复试错的挫败感
- 新团队流程和基础设施可能在建设中，需要较强的自驱力和从零搭建能力
- 适合有机器人学习或强化学习研究背景、动手做过真机策略训练，并且愿意在不确定性较强的新方向上长期投入的硕博型人才
缺点 / 挑战
- 研究+部署双重要求，既有论文式探索压力，也有真机调试和软硬件联调的繁琐工作
角色解读
- 短期内可在具身智能算法方向纵深发展，成为端到端策略学习与真机部署方向的专家型研究员
- 中期可向具身大模型、通用操作策略等技术负责人方向发展，或转向算法团队管理与项目牵头
- 长期看，具身智能处于产业早期，具备从零到一落地经验的人在行业内稀缺度和议价能力都较高
- 围绕具身智能做机器人策略算法的研究与落地，把视觉、语言指令和机器人本体状态转成动作序列
- 具体技术路线包括行为克隆、离线/在线强化学习、Diffusion Policy、Action Chunking 与分层策略学习
- 除训练外还要负责策略评测、仿真到真机的部署与闭环验证，持续提升成功率与执行稳定性
- 需要系统性分析失败案例，解决分布偏移、误差累积、稀疏奖励与长程任务等典型难题
- 扎实的模仿学习与强化学习理论功底，熟悉 BC、DAgger、Offline/Online RL、Actor-Critic、Policy Gradient 等方法
- 熟练使用 Python、PyTorch 与 Linux 环境，具备良好的工程化与调试能力，会 C++、ROS/ROS2 是明显加分
- 掌握 ACT、Diffusion Policy 等主流机器人策略模型，理解奖励设计、价值学习与 Sim-to-Real 等关键环节
- 具备严谨的实验方法论，能设计消融对照实验并对训练过程做系统归因
申请策略
- 面试前了解公司在机器人/具身智能方向的业务布局与产品形态，便于把研究兴趣与业务场景对齐
- 准备一个能讲透的失败案例复盘，这类岗位很看重对训练失败的系统性归因能力
- 突出模仿学习与强化学习的完整项目链路：从数据采集、模型训练到真机部署与评测的闭环经验
- 量化写明策略效果，如任务成功率提升幅度、收敛速度、泛化测试结果等具体指标
- 列出使用过的策略模型与方法，如 ACT、Diffusion Policy、DAgger、Offline RL，并注明你在其中的具体贡献
- 如有 CoRL/RSS/ICRA/IROS 或 NeurIPS/ICML/ICLR 一作论文、开源项目、竞赛成绩，务必放在显眼位置
- 补齐 C++ 与 ROS/ROS2 的工程能力，能显著提升在真机部署环节的竞争力
- 系统梳理 Sim-to-Real 与奖励建模的经典方法与近期工作，准备可复述的技术判断
面试指南
- 讲项目用「问题定义—方法选型—实验设计—结果与失败分析—改进」的结构，重点体现你的决策依据而非只报结果
- 讲技术方案先给结论再给对比，说明在什么条件下选 A 不选 B，展示权衡能力
- 讲排查问题用「现象—假设—验证—结论」的路径，体现系统化的实验方法论
- 请介绍一个你从零搭建机器人策略训练的完整项目，从数据到真机部署分别怎么做的？
- Diffusion Policy 相比行为克隆在复杂操作任务上的优势和代价是什么？你会怎么选型？
- 训练中遇到策略不收敛或真机上分布偏移时，你的排查思路是什么？
- 如何设计消融实验来验证某个奖励设计或网络结构确实有效？
- Sim-to-Real 你做过哪些具体手段（域随机化、系统辨识等），效果如何？
Watch Jobs