液化空气
Researcher(Embodied AI)
Researcher(Embodied AI)
发布于 大约 16 小时前普通员工/个人贡献者
上海市
专家级经验
全职员工
仅现场办公
硕士
具身智能
Embodied Ai
Pytorch
Reinforcement Learning
Ros
Sim-To-Real
Slam
多模态感知
机器人
AI 估算 · 30k–50k
职位详情
关于这个职位
该职位隶属于液化空气集团上海创新园，专注于具身智能（Embodied AI）在工业场景中的研发与应用
你将负责开发多模态感知、自主决策与强化学习等核心算法，并将其部署到工业机器人和移动操作臂上，解决真实工业环境中的技术挑战
适合具有机器人、计算机视觉和强化学习背景，热爱前沿技术研究并希望将算法落地于实际工业场景的研究者
最低要求
硕士或博士学位，专业为机器人、计算机科学、人工智能、自动化或相关工程学科
具备独立和跨学科研究经验者优先
在计算机视觉（如目标检测、分割）和强化学习方面有深入的项目经验
扎实的机器学习基础
精通Python和至少一种主流深度学习框架（首选PyTorch）
对机器人运动学、动力学、SLAM（建图和定位）和路径规划有扎实理解
熟练使用ROS（ROS/ROS2），具有丰富的动手开发经验
有在至少一种实体机器人（如四足机器人、无人机、移动机器人/AGV或机械臂）上部署和调试算法的成功记录
出色的快速学习能力，能够应对开放式、模糊的技术挑战
优秀的沟通和人际交往能力（书面和口头）
必须能够每天使用英语工作，并能在多学科和国际团队中工作
懂法语者优先
工作职责
与业务实体合作，定义问题和业务需求，将其转化为功能设计规范，并开发解决方案
根据需要识别、评估和选择工业或学术合作伙伴
开发和优化具身AI的核心算法，包括：
多模态感知：融合来自视觉（摄像头）、LiDAR和触觉传感器的感官数据，使机器人能够“看到”和“理解”复杂的工业环境
自主规划与决策：研究AI模型（如LLM/VLM、强化学习、世界模型）在高级任务规划、推理和动态决策中的应用
学习与控制：开发高效的机器人控制策略，特别是通过强化学习（RL）、模仿学习（IL）和Sim-to-Real迁移，使机器人能够快速获取新技能（如灵巧操作、避障导航）
领导具身AI算法在工业机器人和移动操作臂（AMR+机械臂）上的端到端部署，克服复杂真实工业环境中Sim-to-Real迁移的技术挑战
参与机器人硬件和软件系统的联合调试
与内部工程和工艺团队紧密合作，推动智能抓取、自主导航和复杂设备操作等任务在生产/实验室中的部署
培训团队成员了解所实施方法的细节，从而确保解决方案对液化空气的可持续性
支持液化空气内部的知识转移
在内部研发报告、会议以及可能的同行评审期刊上发表研究
保持对物理/具身AI、机器人和LLM/VLM应用进展的敏锐洞察，战略性地评估和引入新技术，以推动技术选择和创新
优先资格
具备独立和跨学科研究经验者优先
懂法语者优先
AI 洞察
优缺点分析
优点
- 液化空气是跨国巨头，平台大，资源丰富，有利于职业发展
- 具身智能是前沿领域，技术含量高，能积累稀缺技能
- 工作涉及从研究到落地的全流程，能提升综合能力
- 公司注重创新，有发表论文和参加国际会议的机会
- 工作强度可能较大，需要应对复杂的技术难题
- 跨学科要求高，需要不断学习新知识
缺点 / 挑战
- 工业场景复杂，算法落地难度大，可能面临压力
- 适合对具身智能有浓厚兴趣，具备扎实技术基础，喜欢挑战和跨学科合作的研究型人才
角色解读
- 从研究员晋升为高级研究员或技术专家，主导更多核心项目
- 向技术管理方向发展，带领团队进行创新研究
- 跨领域发展，成为具身智能领域的行业专家
- 负责具身智能核心算法的研发，包括多模态感知、自主决策、强化学习等
- 将算法部署到工业机器人和移动操作臂上，解决实际工业环境中的技术挑战
- 与内部工程团队合作，推动智能抓取、自主导航等任务的落地
- 跟踪前沿技术，发表研究论文，支持知识转移
- 精通Python和PyTorch，具备扎实的机器学习基础
- 深入掌握计算机视觉和强化学习，有实际项目经验
- 熟悉ROS/ROS2，具备机器人运动学、SLAM和路径规划知识
- 有实体机器人部署经验，能够调试算法
申请策略
- 了解液化空气的业务，特别是其在能源、环保和高科技领域的布局
- 在面试中展示你对具身智能的热情和对工业应用的见解
- 突出你在计算机视觉和强化学习方面的项目经验，尤其是实际机器人部署案例
- 强调你的Python和PyTorch技能，以及ROS开发经验
- 展示你的独立研究能力和跨学科合作成果
- 如果有发表论文或专利，务必列出
- 如果对ROS2不熟悉，可以提前学习
- 加强Sim-to-Real迁移的实践经验
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化回答项目经验
- 强调你的技术深度和解决问题的能力，同时展示团队合作经验
- 对于开放性问题，展示你的思考过程和逻辑
- 请描述一个你使用强化学习解决实际问题的项目
- 你如何处理Sim-to-Real迁移中的域差距？
- 你熟悉哪些机器人平台？请举例说明你如何部署算法
- 如何将多模态传感器数据融合用于机器人感知？
- 你如何与工程团队协作，确保算法落地？
职位点评
68
综合评分
前沿技术、高发展潜力，但工作地点固定，WLB一般。
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。
更适合这类人
适合追求技术成长和前沿研究，对工作生活平衡要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活40
使命价值60
薪资福利
70中等
该职位薪资水平较高，但未明确提及具体福利，补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
该职位处于前沿技术领域，提供丰富的学习和发展机会，发展性动机得到高度满足。
技术前沿前沿/新兴技术
技术栈Embodied AI、Reinforcement Learning、Computer Vision、LLM/VLM、Sim-to-Real
成长机会培训团队成员、知识转移、发表研究
业务类型ambiguous
工作生活
40较低
工作地点在上海创新园，可能位于科技园区，但未提及远程或弹性工作，生活化动机满足程度较低。
工作模式仅现场办公
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
60中等
液化空气在能源、环保等领域有社会价值，但该职位更偏向技术研发，意义感动机满足程度中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs