高德-ABot-M具身操控大模型算法工程师/专家-视觉技术中心

优缺点分析

角色解读

• 从算法工程师/专家向技术负责人或首席科学家方向发展，主导具身智能核心技术方向
• 在阿里巴巴内部跨团队协作，接触大规模业务场景，提升技术影响力
• 参与开源项目与学术合作，成为空间智能与具身智能领域的行业专家
• 研发下一代具身操控大模型ABot-M，探索VLA/WAM、多模态生成与理解、跨本体动作表示
• 统一世界建模、动作预测与价值判断，提升长时序、精细操作、移动操作和双臂任务能力
• 建设机器人数据引擎，完成数据清洗、动作统一、混合训练、合成数据与真机数据闭环
• 推进模仿学习、强化学习、奖励模型、失败恢复与在线后训练，打通训练、评测、仿真和真机部署
• 在VLA/WAM、机器人学习、视频/世界模型、多模态大模型、强化学习、3D视觉或控制中至少两个方向有深度积累
• 能亲手完成模型设计、训练、调试与实验闭环，熟悉PyTorch和大规模训练
• 重视数据质量、评测可信度和真机成功率，能从失败案例定位系统问题
• 对Physical AGI有长期信念，兼具原创判断与工程落地能力

申请策略

• 在简历中明确表达对Physical AGI的长期信念，并展示你如何将技术转化为实际产品
• 关注高德地图视觉技术中心的GitHub主页，了解团队的技术方向，在面试中展示你的了解和思考
• 突出在VLA、机器人学习、多模态大模型等方向的项目经验和成果，尤其是从0到1的研发经历
• 强调在模型设计、训练、调试和部署全流程的动手能力，特别是大规模训练和PyTorch的使用经验
• 展示对数据质量、评测可信度和真机成功率的重视，以及从失败案例中定位问题的能力
• 如果参与过开源项目或发表过相关论文，务必重点提及
• 补充强化学习、模仿学习等机器人学习算法的理论基础，并动手实现相关项目
• 熟悉VLA/WAM等前沿模型架构，尝试复现相关论文或参与开源项目

面试指南

• 回答技术问题时，采用STAR法则，清晰描述背景、任务、行动和结果，突出你的技术决策和思考过程
• 对于开放性问题，结合你的项目经验，从数据、模型、算力、真机约束等多个维度进行系统性分析
• 展示你对前沿技术的关注和深入理解，并联系到实际应用场景
• 请详细介绍一下你在VLA或机器人学习方向的项目经验，特别是模型设计和训练过程
• 如何解决长时序、精细操作任务中的动作预测和稳定性问题？
• 在数据引擎建设中，如何处理数据清洗、动作统一和混合训练？
• 你如何评估一个具身智能模型在真机部署中的成功率？
• 谈谈你对Physical AGI的理解，以及你认为实现它的关键挑战是什么？