西门子
Expert Research Scientist on Autonomous Polyfunctional Robots (Foundation Models)
Expert Research Scientist on Autonomous Polyfunctional Robots (Foundation Models)
发布于 1 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
Deepspeed
Physical Ai
Pytorch
Sim2Real
Vla
全身控制
具身智能
强化学习
值不值得投
83综合评分
综合评分 83
顶尖外企具身智能专家岗，技术前沿且资源丰厚，发展使命感极强，但需适应实体调试的高强度节奏。
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。
薪资怎么样
5.5万
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 210 个在招
市场机会
选择不多
苏州 · 具身智能 · 2 个在招
职位详情
关于这个职位
该职位负责通用具身基础模型的全周期评测、领域适配与性能优化，推动VLA和端到端策略模型在真实世界的部署
你将构建统一的评测框架和Physical AI Harness基础设施，解决Sim2Real迁移、跨本体适配等挑战，提升机器人在真实场景中的任务成功率与可靠性
最低要求
教育背景：机器人、计算机科学、人工智能或相关领域硕士或博士学位
研发经验：在深度学习、大模型训练和模型部署方面拥有经过验证的经验
具身智能或机器人方向经验优先
核心技术能力：
深入理解 VLA、Diffusion Policy、基于 Transformer 的策略网络以及面向全身控制的基础模型方法，熟悉其训练动态、微调机制与推理部署流程
具备大模型后训练经验，包括 SFT、RLHF、DPO 和 PPO，并能够将相关方法创造性地适配到连续动作空间的机器人策略生成中
具有设计和构建 Physical AI Harness 或真实机器人评测基础设施的经验，熟悉 ISO/TS 15066 等机器人安全标准、力控安全机制、紧急停止系统和异常回退策略
熟悉 Isaac Sim/Gym、MuJoCo、Gazebo 等主流机器人仿真平台以及真实机器人部署流水线，具备 Sim2Real 调优和物理世界评测经验
具备专家级 PyTorch 能力，熟悉 DeepSpeed、FSDP 或 Megatron 等大规模分布式训练框架以及推理优化
系统思维与协作：具备强系统思维和跨职能协作能力，能够连接数据、模型、硬件和安全团队，形成端到端优化闭环
问题解决能力：具备出色的分析、实验和问题解决能力，能够处理真实场景中复杂且开放的具身智能与机器人挑战
动手能力：能够在实体机器人平台上实现、测试和部署具身 AI 模型，覆盖数据采集、标注、模型训练、评测、验证以及全身控制集成
沟通能力：具备优秀的书面和口头沟通能力，能够清晰解释复杂技术概念、发表研究成果，并与多学科团队高效协作
热情：对推进多功能机器人的具身智能充满热情，并致力于将研究成果转化为可衡量的真实世界影响
工作职责
评测框架与基准体系：面向仿真和真实机器人环境，设计并工程化具身模型的综合评测框架
定义多维度指标，例如任务成功率、轨迹平滑性、碰撞率、物理一致性以及长时程推理准确率
建设自动化基准测试平台和标准化评测套件
后训练与领域适配：主导通用 VLA 与策略模型的领域适配，开发监督微调、强化学习微调、偏好对齐和课程学习策略，将通用模型能力高效迁移到具体任务、机器人本体以及全身控制场景中
Physical AI Harness 架构与运营：设计并构建 Physical AI Harness，形成标准化真实机器人测试基础设施，覆盖多场景评测测试台、自动化任务编排、执行框架以及快速跨本体适配接口
建立物理世界评测所需的安全约束与回退机制，包括异常检测、碰撞避免、力限保护和紧急停止策略
构建真实机器人 A/B 测试和持续评测流水线，支持模型版本的回归测试、性能漂移监测和部署决策
跨本体与 Sim2Real 优化：开发跨本体微调方法，解决不同机器人之间动作空间异构和观测空间不一致的问题
诊断并缩小 Sim2Real 差距，利用 Physical AI Harness 进行系统化真实机器人验证，量化并降低模型从仿真到实体部署过程中的性能衰减
模型诊断与闭环优化：构建诊断工具，分解模型在感知、推理、规划、执行和全身控制方面的能力
与数据团队协作，提升后训练数据质量与数据混合策略，形成覆盖仿真和真实机器人的“评测—诊断—微调—验证—再评测”闭环
部署协作与前沿研究：将 Physical AI Harness 的评测结果转化为部署策略，包括模型量化、推理加速、回退机制以及动态安全边界调整
跟踪并融合世界模型、在线强化学习和物理一致性验证等前沿方法，提升机器人在动态开放环境中的鲁棒性与适应性
优先资格
在 CoRL、RSS、ICRA、IROS 等顶级机器人会议，或 NeurIPS、ICML 等机器学习会议发表过与模型评测、后训练、Physical AI 或策略学习相关的论文
AI 洞察
优缺点分析
优点
- 处于具身智能与Physical AI的最前沿，技术壁垒高，行业前景广阔
- 依托跨国企业的丰富资源，能接触到先进的计算基础设施和前沿机器人平台
- 适合拥有大模型或机器人背景，渴望在具身智能前沿领域深耕，且具备强动手能力和系统级问题解决能力的博士/资深研究人员
缺点 / 挑战
- 需要解决Sim2Real迁移、长时程任务鲁棒性等极具挑战性的开放问题，对系统思维和跨学科（软硬件结合）能力要求极高
角色解读
- 可向具身智能领域的首席科学家或技术专家发展，也可转型为机器人产品线技术负责人，引领Physical AI在工业场景的落地
- 负责通用具身基础模型（如VLA、端到端策略模型）的评测、微调与部署优化
- 构建Physical AI Harness基础设施，解决Sim2Real迁移和跨本体适配问题，提升机器人在真实物理世界的任务成功率
- 精通VLA、Diffusion Policy等具身智能核心算法及大模型后训练技术（SFT/RLHF/DPO）
- 熟练使用PyTorch及分布式训练框架，熟悉Isaac Sim/MuJoCo等仿真平台及实体机器人部署
申请策略
- 申请时需按要求提交简历、求职信，并务必附上作品集、论文或GitHub主页链接，以证明实际动手能力
- 重点突出在VLA、策略学习或大模型后训练方面的项目经验，以及在顶级会议（如CoRL, ICRA）发表的论文
- 展示在实体机器人平台上的部署经验和Sim2Real调优成果
- 深入理解全身控制（WBC）与基础模型的结合，熟悉ISO/TS 15066等机器人安全标准，提升在复杂物理环境下的系统级调试能力
面试指南
- 采用STAR法则，重点突出“问题定义-技术方案-实验验证-真实部署”的闭环
- 在回答安全与评测问题时，强调“安全护栏”和“量化指标”的设计
- 请分享一个你主导的Sim2Real迁移项目，你是如何缩小仿真与实体差距的？
- 在将大模型后训练方法（如RLHF/DPO）适配到连续动作空间的机器人策略时，你遇到了哪些挑战？
- 如何设计一个标准化的真实机器人评测框架（Physical AI Harness）来保证安全性和有效性？
- 面对不同机器人本体动作空间异构的问题，你的跨本体微调思路是什么？
- 复习具身智能前沿论文（特别是VLA、Diffusion Policy相关），准备1-2个自己主导的实体机器人部署案例，并思考如何向非纯算法背景的硬件/安全团队解释复杂技术
职位点评
薪资福利85
成长发展95
工作生活60
使命价值90
薪资福利
85较高
专家级研究岗位，外企背景，薪资处于市场中上水平，福利体系完善，能提供较好的物质回报与稳定性。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
95较高
岗位处于具身智能和Physical AI的最前沿，能接触到顶尖的机器人平台和计算资源，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈VLA、Physical AI、Sim2Real、PyTorch、DeepSpeed、Isaac Sim、MuJoCo、Diffusion Policy、RLHF
成长机会持续学习、专业成长、拓展职业发展空间
业务类型ambiguous
工作生活
60中等
岗位涉及大量实体机器人调试和跨团队协作，可能需要频繁在实验室和办公区切换，工作强度取决于项目进度，WLB情况未明确。
工作模式未明确
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
90较高
致力于推动多功能机器人在真实世界的自主性与可靠性，具有极强的科技使命感和社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动智能机器能力边界、转化为可衡量的真实世界影响
创新程度开拓性创新（行业首创）
西门子 的其他在招职位
相似职位推荐
Watch Jobs