阿里巴巴
菜鸟-VLA算法工程师-物流机器人
菜鸟-VLA算法工程师-物流机器人
发布于 大约 3 小时前普通员工/个人贡献者
杭州市
高级经验
全职员工
仅现场办公
硕士
具身智能
Pytorch
Ros2
Vla
具身智能
大模型
数据管线
机器人
模仿学习
AI 估算 · 35k–55k
具身智能赛道火热，大厂算法岗薪资竞争力强，杭州互联网薪酬水平较高，综合估算中位数45k。
职位详情
关于这个职位
作为菜鸟物流机器人团队的VLA算法工程师，你将负责视觉-语言-动作大模型的架构设计与训练，解决仓储场景中机器人拣选泛化问题
深入参与模仿学习算法优化、数据管线构建和仿真到真机的迁移，推动端到端机器人控制落地
岗位要求扎实的深度学习和机器人基础，适合有志于具身智能前沿方向的算法人才
最低要求
计算机、机器人、自动化、人工智能等相关专业，硕士及以上学历（博士优先）
年以上深度学习或机器人控制算法开发经验，至少 1 年具身智能/机器人实操项目经验
精通 PyTorch/JAX 框架，有从头复现或改进过开源 VLA 模型（如 OpenVLA, Octo, RT-X, Diffusion Policy）的成功案例
深刻理解 Transformer 架构及其在时序动作预测中的应用
熟练掌握模仿学习核心算法（BC, GAIL, Diffusion Policy, ACT 等），对如何处理多模态输入对齐有独到见解
熟悉机器人运动学/动力学基础，理解 ROS/ROS2 通信机制
具备极强的代码工程能力，能够编写高效、可维护的 C++/Python 代码
工作职责
负责视觉 - 语言 - 动作（VLA）大模型的架构设计、预训练及微调
主导模仿学习算法的实现与优化，包括但不限于 Behavior Cloning (BC), Diffusion Policy, ACT, RT-1/RT-2/OpenVLA 等主流范式
解决机器人在复杂仓储非结构化环境下的拣选泛化问题（新物体、新指令、新场景）
设计与实施高效的数据采集管线，将遥操采集的多模态数据（RGB-D 图像、语言指令、关节状态、末端位姿）转化为标准化的训练数据集（如 RLDS 格式）
开发数据清洗、增强、自动标注工具，提升数据质量与多样性，解决“长尾分布”数据稀缺问题
搭建高保真仿真环境（Isaac Sim / MuJoCo / Habitat），利用域随机化（Domain Randomization）和域自适应技术，将仿真中训练的策略无缝迁移到真机（轮式底盘 + 双臂）
协同系统集成团队，优化模型推理延迟，实现实时的端到端控制（End-to-End Control）
AI 洞察
优缺点分析
优点
- 前沿技术方向，VLA是具身智能的核心热点，技能积累价值高
- 阿里巴巴大平台，资源丰富，数据和应用场景真实
- 薪资水平高，杭州互联网生态好
- 技术难度高，需要同时掌握深度学习、机器人、系统集成等多个领域
- 工作强度可能较大，算法落地需要长时间上线调试
- 竞争激烈，内部和外部优秀人才众多
缺点 / 挑战
- 团队涉及从仿真到真机的全链路，技术挑战大，成长快速
- 适合对具身智能有强烈兴趣、具备扎实算法功底且能接受高强度技术挑战的工程师
角色解读
- 从算法工程师向具身智能专家发展，深入VLA模型研究和落地
- 可转向机器人系统架构或技术管理方向，带领团队
- 跨领域发展前景好，覆盖AI、机器人、自动化多个方向
- 设计并训练视觉-语言-动作大模型，实现机器人的端到端控制
- 优化模仿学习算法，解决新物体、新指令、新场景下的泛化问题
- 构建数据采集与增强管线，清洗多模态数据并转换为训练集
- 搭建仿真环境并应用域随机化，将策略从仿真迁移到真机
- 精通PyTorch/JAX，熟悉Transformer及Diffusion Policy等模型
- 扎实的机器人学基础，掌握ROS2和常用仿真工具
- 优秀的代码工程能力，熟练使用C++和Python
- 理解多模态数据对齐和长尾分布问题，有数据清洗经验
申请策略
- 了解菜鸟物流机器人的业务场景，思考VLA如何解决仓储拣选痛点
- 在面试中展现对技术细节的深度思考，而非泛泛而谈
- 突出自己在VLA或模仿学习项目中的实际成果，如复现过OpenVLA等模型
- 强调从仿真到真机迁移的经验，包括使用的仿真工具和解决的具体问题
- 展示代码工程能力，如GitHub仓库或高性能算法实现
- 如果有机器人竞赛或开源贡献，务必写出
- 熟悉Diffusion Policy、ACT等最新模仿学习算法，尝试动手复现
- 补强机器人学知识，学习ROS2和Isaac Sim等工具
面试指南
- 用STAR法则回答项目经历，突出技术难点和你的贡献
- 对比不同算法时，从原理、适用场景、实验结果多维度分析
- 强调工程能力和落地思维，而不只是理论
- 请详细介绍你复现或改进VLA模型的经历，遇到哪些问题如何解决？
- 模仿学习中如何处理多模态数据对齐？Diffusion Policy与BC相比有什么优势？
- 如何设计数据采集管线来提升数据多样性？长尾分布问题怎么解决？
- 如何将仿真中训练的策略迁移到真机？域随机化具体怎么做？
- 如何优化模型推理延迟以实现实时控制？
职位点评
72
综合评分
具身智能大厂算法岗，技术前沿薪资高，但工作强度可能大，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
适合追求技术前沿、以成长为核心驱动，对薪资和平台有高期望，但愿意接受高强度工作的求职者。
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75
薪资福利
70中等
薪资水平未在JD中披露，但阿里巴巴大厂算法岗通常薪资偏高，福利体系完善，能满足物质需求。
薪资信号未披露（AI估算：35K-55K/月）
成长发展
95较高
岗位处于具身智能前沿，技术栈新，成长空间大，能极大提升算法和工程能力。
技术前沿前沿/新兴技术
技术栈VLA、模仿学习、Diffusion Policy、PyTorch、Isaac Sim、ROS2、Transformer
业务类型profit_center
工作生活
40较低
工作地点为杭州，默认现场办公，JD中未提及弹性工作或远程，大厂算法岗工作强度可能较大。
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
75中等
行业处于高速增长期，但JD未强调社会价值，主要聚焦技术实现，意义感来自推动机器人产业落地。
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
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs