腾讯
魔方工作室-动作生成算法工程师-角色动画方向
魔方工作室-动作生成算法工程师-角色动画方向
发布于 大约 18 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
深度学习
强化学习
角色动画
物理仿真
Diffusion Model
VAE
UE
骨骼动画
Motion Matching
AI 估算 · 30k–60k
岗位要求高且涉及前沿AI技术，腾讯薪酬有竞争力，预计在30K-60K/月。
职位详情
关于这个职位
该职位负责游戏角色动画的生成算法研发，包括骨骼动画生成、物理动画结合、引擎集成等
你将跟踪前沿技术，将AI应用于游戏动画，提升角色动作的真实感和交互性
适合有计算机图形学、动作生成经验的技术人才
最低要求
计算机/数学/图形学/自动化相关本科及以上
年以上角色动画、动作生成或相关算法研发经验
有骨骼动画生成与控制的实际项目经验，熟悉业界方案（PFNN、MANN、Motion Matching等），了解基于扩散/VAE/Flow Matching等生成式动作方法
熟悉物理动画与神经网络结合的方法，理解物理仿真、强化学习在角色控制中的应用
熟悉游戏引擎与DCC软件的使用及动作插件编写，熟悉UE动画蓝图与Unity动画状态机，掌握IK/FK、动画重定向、混合空间等方法
熟悉动作模型的训练全流程，具备在引擎内进行端侧部署与推理优化的经验
扎实的编程能力（C++/Python），良好的工程习惯与沟通协作能力
工作职责
动作生成算法研发：设计与落地骨骼动画的生成与控制算法，覆盖locomotion、交互、战斗、过渡（in-betweening）等场景，兼顾动作质量、响应性与可控性
前沿方案调研与选型：跟踪并复现业界主流与最新方案（如 PFNN / MANN、Motion Matching及 Learned Motion Matching、Motion Diffusion Model 系列、自回归运动扩散、Flow Matching文本到动作等），结合项目需求做技术选型与优化
物理动画与神经网络结合：探索物理仿真与学习方法的融合（如 DeepMimic / AMP / ASE强化学习控制、物理引导扩散 PhysDiff / Diffuse-CLoC / PDP等），提升动作的物理合理性与鲁棒性
控制信号与可控生成：构建轨迹、目标点、文本、末端约束等条件信号到动作的映射与对齐，支持交互式、实时的动作控制
引擎集成与端侧部署：将动作模型集成进游戏引擎，完成推理加速、量化裁剪与端侧（移动端/ PC）部署，保障运行时性能与内存预算
工具与插件开发：在游戏引擎与 DCC 软件中开发动作相关工具与插件，打通数据采集、清洗、训练到运行时的工程链路，提升迭代效率
AI 洞察
优缺点分析
优点
- 腾讯大平台，资源丰富，项目有影响力
- 技术前沿，涉及AI与游戏结合的创新领域，成长快
- 团队资深，能接触业界最新研究成果
- 技术要求高，需要同时掌握图形学、深度学习和工程部署
- 算法落地到引擎存在适配和性能优化难题
缺点 / 挑战
- 游戏行业迭代快，可能面临项目周期紧、加班压力
- 适合有计算机图形学或动作生成背景，热爱游戏技术，愿意挑战高难度算法的工程师
角色解读
- 从算法工程师向技术专家或架构师方向发展，主导动作生成技术方向
- 可转向游戏AI、虚拟人、具身智能等交叉领域
- 在腾讯内部有清晰的职级晋升通道，可向T9-T12等高级别发展
- 负责动作生成算法的研发，包括骨骼动画生成与控制，覆盖移动、战斗等游戏场景
- 跟踪和复现业界最新方案，如Motion Diffusion Model等，并进行技术选型
- 探索物理仿真与神经网络结合的方法，提升动作的物理合理性
- 将动作模型集成到UE/Unity引擎，并优化推理性能，实现端侧部署
- 扎实的计算机图形学和动画基础，熟悉骨骼动画、IK/FK等
- 精通至少一种主流生成式模型（扩散模型、VAE、Flow Matching等）
- 熟练使用C++和Python，有UE或Unity引擎开发经验
- 了解物理仿真和强化学习，有相关项目经验更佳
申请策略
- 面试时准备一个完整的技术项目讲解，从问题定义到解决方案
- 关注腾讯魔方工作室的产品方向，了解其游戏类型和技术栈
- 突出动作生成相关的项目经验，如Motion Matching、扩散模型用于动画等
- 强调C++和Python编程能力，以及UE/Unity的使用经验
- 如果有相关论文或开源贡献，强烈建议列出
- 如不熟悉扩散模型，可以快速学习并复现一个简单的运动生成模型
- 熟悉UE动画蓝图和Unity Animator，动手做一些Demo
面试指南
- 对于算法类问题，先简明阐述核心原理，再结合实际项目经验说明改进点
- 对于工程类问题，从数据流、模型部署、性能优化等角度系统回答
- 请解释Motion Matching的原理及其优缺点
- 如何用扩散模型生成角色动画？请简述训练和推理流程
- 在引擎中集成AI动作模型时，如何平衡性能和效果？
- 手柄控制与AI生成动作如何协同？请描述架构
- 你如何看待物理仿真与学习方法的结合？有哪些挑战？
- 复习动作生成经典论文：PFNN, Motion Matching, MDM等
职位点评
71
综合评分
腾讯游戏前沿技术岗，技术成长空间大，但工作强度和灵活性一般。
更适合这类人
适合追求技术前沿和快速成长、能接受一定工作强度的求职者。
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95
工作生活40
使命价值80
薪资福利
70中等
腾讯在游戏行业的薪资具有竞争力，但JD未披露具体薪资，且福利未提及，补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
95较高
该岗位涉及多项前沿技术，如扩散模型、物理仿真、强化学习等，技术成长空间极大，且腾讯内部有成熟的晋升体系。
技术前沿前沿/新兴技术
技术栈动作生成、扩散模型、物理仿真、强化学习、UE、Unity、C++、Python
业务类型ambiguous
工作生活
40较低
深圳现场办公，游戏行业加班文化普遍，JD未提及弹性工作或WLB，生活化动机满足度较低。
工作模式仅现场办公
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
游戏+AI属于高速增长赛道，工作具有创新性，能创造有趣的游戏体验，意义感动机满足度较高。
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