Alibaba logo
阿里巴巴
算法工程师-具身智能

算法工程师-具身智能

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 3.0–6.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公具身智能
具身智能
Pytorch
Ros
多模态大模型
强化学习
机器人控制
计算机视觉

值不值得投

76综合评分

综合评分 76

阿里核心算法岗,前沿技术栈,高薪高成长,但工作强度大

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

4.5万

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 4910 个在招 · 其中具身智能 30 个

市场机会

选择适中

杭州 · 具身智能 · 26 个在招

职位详情

关于这个职位

负责具身智能核心算法研究,包括多模态大模型、强化学习及机器人控制等

研发“感知-规划-执行”一体化大模型,解决复杂场景下的物体操纵与人机交互问题,并将算法部署至硬件平台,推动技术创新与业务落地

最低要求

本科及以上学历,计算机、人工智能、软件工程、数学、自动化等相关专业优先

具备扎实的数学、算法和编程功底,熟练掌握 Python 或 C/C++
深入理解深度学习原理,熟练使用 PyTorch、TensorFlow、JAX 等至少一种框架
在计算机视觉、自然语言处理、机器人决策规划、控制理论、强化学习等一个或多个领域有深入研究或项目经验
具备跨学科协作意识,能够与工程、硬件团队高效沟通,共同推进目标达成
对具身智能领域充满热情,具备强大的自驱力和抗压能力

工作职责

负责具身智能领域的核心算法研究,包括但不限于多模态感知大模型(VLM/VLA)、强化学习(RL)、模仿学习、机器人运动规划与控制等

研发具有“感知-规划-执行”一体化能力的具身智能大模型,实现机器人在室内外复杂场景下的物体操纵、移动导航、主动环境理解与人机交互
将研究成果转化为实际生产力,解决具身智能机器人在实际任务中的长尾问题,完成从算法预研到硬件平台部署的全流程闭环
紧跟国际SOTA(业界最先进)技术发展,持续推动技术创新,并在真实业务场景(如智能交通、机器人服务、工业协作等)中验证价值

优先资格

论文成果:在国际顶级期刊或会议(如CVPR, ICCV, NeurIPS, ICML, ICLR, ICRA, IROS, CoRL, RSS等)以第一作者发表过高质量论文

竞赛获奖:在ACM-ICPC/NOI、Kaggle、国内外顶尖数学/机器人大赛中取得优异成绩
有过实际机器人硬件平台(如多轴机械臂、足式/人形机器人、轮式底盘)的算法研发或工程化经验,熟悉ROS/ROS2等中间件
开源贡献:在 GitHub 拥有高质量开源项目,或在相关开源社区具有影响力

AI 洞察

优缺点分析

优点

  • 依托阿里强大的算力资源和数据优势,能接触到业界最先进的技术栈
  • 团队由顶尖人才组成,有利于快速提升技术水平和行业视野
  • 跨团队协作复杂,需兼顾学术创新与工程实用性
  • 适合对具身智能有浓厚兴趣、具备扎实算法功底和工程落地能力的资深工程师或研究员

缺点 / 挑战

  • 处于具身智能这一前沿热门赛道,技术挑战性与创新性极高
  • 技术迭代极快,需要保持高强度的学习和研究压力
  • 算法落地难度大,需解决大量长尾问题和工程化挑战

角色解读

  • 成为具身智能领域的算法专家,引领技术方向
  • 向技术管理方向发展,带领团队攻克更复杂的机器人系统问题
  • 在学术界或工业界建立影响力,通过顶会论文或开源项目提升个人品牌
  • 研究并开发具身智能核心算法,如多模态大模型(VLM/VLA)和强化学习(RL)
  • 构建机器人的感知、规划和执行一体化能力,解决复杂场景下的交互与控制难题
  • 将算法落地到硬件平台,优化长尾问题,实现从理论到实际应用的闭环
  • 扎实的数学基础和编程能力,精通Python或C++
  • 深入理解深度学习,熟练使用PyTorch/TensorFlow等框架
  • 在CV、NLP、机器人控制或强化学习等领域有深入研究
  • 具备跨学科协作能力,能与硬件团队高效配合

申请策略

  • 关注阿里达摩院或相关实验室的最新研究成果,了解其技术路线
  • 准备详细的项目案例,重点阐述如何解决复杂场景下的技术难题
  • 突出在具身智能、机器人控制或多模态大模型方面的具体项目经验
  • 强调算法落地能力,展示从研究到硬件部署的完整闭环案例
  • 列出相关的顶会论文、竞赛奖项或高质量开源项目贡献
  • 深入学习多模态大模型架构及其在机器人领域的应用
  • 加强强化学习和模仿学习的理论与实践结合
  • 熟悉ROS/ROS2等机器人中间件,提升软硬件协同调试能力

面试指南

  • 使用STAR法则(情境、任务、行动、结果)清晰描述项目背景和你的具体贡献
  • 针对技术问题,先阐述理论基础,再结合具体案例说明解决方案和优化过程
  • 展示对行业趋势的深刻理解,体现技术前瞻性和批判性思维
  • 请详细介绍你参与过的最具挑战性的具身智能或机器人算法项目
  • 在多模态大模型应用于机器人控制时,你遇到了哪些长尾问题?是如何解决的?
  • 如何平衡强化学习算法的训练效率与实际部署的安全性?
  • 你对当前具身智能领域的SOTA技术有哪些了解?未来发展趋势是什么?
  • 复习深度学习、强化学习和机器人控制的核心理论知识

职位点评

薪资福利85
成长发展95
工作生活40
使命价值70

薪资福利

85较高

作为上市巨头企业的核心算法岗,薪资福利处于行业领先水平,稳定性高。

薪资信号偏高 (3.0千–6.0万/月)

成长发展

95较高

职位涉及前沿的具身智能和大模型技术,技术栈领先,成长空间巨大。

技术前沿前沿/新兴技术
技术栈具身智能、VLM、VLA、强化学习、PyTorch、C++、ROS
业务类型profit_center

工作生活

40较低

互联网大厂核心研发岗通常工作强度较大,JD未提及弹性工作制,推测为高强度现场办公。

工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词

使命价值

70中等

具身智能技术在智能交通、工业协作等领域有广泛应用前景,社会价值较高。

行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新(行业首创)
Watch Jobs