阿里巴巴
高德-具身大模型算法（VLA移动操控方向）-具身业务部
高德-具身大模型算法（VLA移动操控方向）-具身业务部
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公机器人开发
机器人开发
Ros
Vla
仿真环境
具身智能
多模态感知
大模型
强化学习
机器人学
模仿学习
值不值得投
80综合评分
综合评分 80
前沿技术岗、薪资竞争力强、成长空间极大、WLB信息不明
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
40K
比机器人开发中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 2250 个在招 · 其中机器人开发 5 个
市场机会
选择适中
北京 · 机器人开发 · 15 个在招
职位详情
关于这个职位
该职位是高德具身智能AI算法团队的一员，负责开发基于VLA的移动操控大模型，实现机器人在室内外复杂场景中的自主理解、行动和交互能力
工作涉及从仿真到真机的全流程算法研发与落地，需与硬件、数据团队紧密协同
最低要求
计算机视觉、机器人学、控制、自动化、计算机等相关专业 硕士及以上学历，了解Robotics Learning相关方法，深入理解机器人运动学与动力学
具备基于VLA范式在机器人场景的研发经验，熟悉主流开源框架/方案，对桌面操作/移动操作等任务有深入具体理解，熟悉常见的操作数据采集方法，有数据管线搭建、数据处理、模型训练、微调、评测、部署调试等全流程经验
精通深度强化学习（PPO/SAC/DDPG/MAPPO）和模仿学习相关方法，熟悉IsaacLab/Mujoco等仿真环境，有大规模并行训练经验，熟悉策略蒸馏、课程学习等技术，了解Sim2Real常见手段
熟练掌握 ROS / ROS2，具备真机调试与现场问题解决经验
具备良好的逻辑分析能力、学习能力、沟通能力及团队协作精神
在CVPR/ECCV/ICRA/IROS/NeurIPS等顶会发表过运动控制相关论文者优先
工作职责
负责面向真实机器人的具身智能算法研发，覆盖VLA全身操控大模型、多模态感知大模型、人机交互大模型等具身关键问题
需要能将算法落到仿真—真机闭环，并与硬件、数据团队协同推动功能落地
VLA全身操控大模型: 研发以 VLA + WBC为范式的移动操作联合大模型，面向室内外复杂场景，支撑长时序、多阶段、强约束的具身移动操作任务
操作能力需要解决数据构建与规模化采集、少样本/跨场景泛化与Sim2Real一致性优化等问题，在控制侧联合解决全身运动与操作协同约束、动态避障、平衡与抗扰、实时性与安全等问题，形成可评测、可实机稳定运行的端到端或分层式系统
优先资格
在CVPR/ECCV/ICRA/IROS/NeurIPS等顶会发表过运动控制相关论文者优先
AI 洞察
优缺点分析
优点
- 聚焦具身智能前沿领域，技术天花板高，能接触最前沿的AI与机器人交叉技术
- 依托大公司平台，有充足的硬件、数据与计算资源支持算法研发与验证
- 团队定位为全栈自研，对技术深度和工程落地能力有全面锻炼
- 技术难度高，涉及算法、仿真、真机部署等多环节，需要解决复杂的Sim2Real迁移与实时控制问题
- 对综合能力要求高，需同时具备算法研究、工程实现和跨团队协作能力
缺点 / 挑战
- 作为新兴方向，技术路线尚在探索中，可能面临较高的试错成本和结果不确定性
- 适合对机器人学和具身智能有强烈兴趣、具备扎实机器学习与控制基础、并能接受从研究到落地全流程挑战的高潜力求职者
角色解读
- 技术专家路线：深入具身智能算法研究，成为特定方向（如操控、感知）的技术负责人
- 技术管理路线：带领小团队，负责更复杂的系统架构设计或产品化落地
- 行业应用路线：将积累的技术经验迁移至自动驾驶、智能制造等更广泛的机器人领域
- 负责研发基于VLA的移动操控大模型，使机器人能在复杂场景中自主执行长时序操作任务
- 构建从仿真到真机的算法落地闭环，解决数据采集、泛化、Sim2Real迁移等工程与科学问题
- 与硬件、数据团队协作，推动具身智能产品在真实环境中的稳定运行与功能迭代
- 精通深度强化学习（如PPO/SAC）和模仿学习，能设计和训练机器人控制策略
- 熟悉机器人仿真环境（IsaacLab/Mujoco）和操作系统（ROS/ROS2），具备真机调试经验
- 理解机器人运动学与动力学，有VLA、多模态感知等相关算法研发背景
申请策略
- 仔细阅读该团队过往的技术博客或论文，了解其技术选型和攻关重点，在面试中展现你的技术洞察
- 准备一个从问题定义、算法设计、实验验证到结果分析的完整技术案例，以应对深度技术追问
- 突出在具身智能、机器人操控或相关领域的研发项目经验，特别是涉及VLA、强化学习和Sim2Real的工作
- 详细描述在数据管线搭建、模型训练、部署调试等全流程中的具体贡献和成果
- 列出在顶会（如CVPR、ICRA）发表的论文或参与的开源项目，展示研究能力
- 深入研究VLA、WBC等最新范式，并尝试在仿真环境中复现或改进相关论文
- 加强ROS/ROS2实战能力和真机调试经验，可以通过参与机器人开源项目或竞赛积累
面试指南
- 对于技术项目问题，采用STAR原则（情境、任务、行动、结果）结构化回答，重点突出技术选型和问题解决思路
- 对于开放性技术问题，先阐述当前主流方法及其局限性，再提出自己的改进思路或观点
- 对于团队研究方向问题，可以基于你的理解，提出一个具体的技术假设或实验思路，展示主动思考能力
- 请介绍一个你做过的最复杂的机器人控制或模仿学习项目，遇到的主要挑战和解决方案？
- VLA模型在机器人操控中如何处理长时序任务和动态约束？请谈谈你的理解
- 在Sim2Real迁移中，你有哪些具体经验来保证策略的泛化性和鲁棒性？
- 如何评价IsaacLab和Mujoco在具身智能研究中的优缺点？
- 你对我们团队研究的‘移动操作联合大模型’有什么初步设想或建议？
职位点评
薪资福利85
成长发展92
工作生活55
使命价值78
薪资福利
85较高
该职位预计提供具有市场竞争力的薪资福利，能够较好满足求职者对物质回报的需求。
薪资信号偏高 (30K-50K/月)
成长发展
92较高
职位涉及具身智能、大模型等前沿技术，有丰富的算法研发与落地机会，成长空间大。
技术前沿前沿/新兴技术
技术栈VLA、强化学习、模仿学习、ROS、仿真环境
业务类型ambiguous
工作生活
55较低
JD未明确提及工作模式、弹性工时等生活化信息，无法判断工作与生活的平衡状况。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
78中等
专注于前沿AI研究与机器人技术，有望推动具身智能的实际应用，具有一定的行业创新价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs