达摩院-具身智能算法专家-杭州

优缺点分析

角色解读

• 可发展为资深算法专家或技术负责人，在具身智能领域深入钻研
• 可转向研究科学家角色，推动前沿技术突破和学术产出
• 积累项目管理经验后，有机会向技术管理岗位晋升，带领团队
• 研发生成式世界模型，用AI技术模拟真实环境以高效生成机器人训练数据
• 处理与增广人类视频和真机数据，转化为适合机器人策略学习的大规模数据集
• 将数据接入训练流程，评估模型性能并优化数据生成方案，确保算法有效性
• 跟踪具身智能、生成模型等前沿技术，结合业务需求进行创新和落地探索
• 掌握计算机视觉、深度学习和视频生成模型原理，如扩散模型、模型蒸馏
• 具备大规模分布式训练经验，能处理多卡/多机GPU集群，完成全流程开发
• 熟悉机器人学技术，包括逆运动学、动作重定向、仿真环境搭建和强化学习
• 拥有较强的工程实现能力，能在真机平台上快速实验和验证算法

申请策略

• 关注阿里巴巴达摩院的技术博客和招聘动态，了解其研究方向和团队需求
• 准备一份展示算法验证流程的作品集，包括代码、实验结果和真机演示
• 突出世界模型、视频生成或具身智能相关的研究或项目经验，展示技术深度
• 详细描述分布式训练和大规模数据处理案例，体现工程实践能力
• 列出顶会论文（如CVPR、RSS）或核心项目成果，证明学术或行业影响力
• 强调快速实验迭代和真机验证经验，展示从理论到落地的能力
• 深入学习视频扩散模型和生成式AI的最新论文，掌握工程实现细节
• 实践机器人仿真环境搭建（如Isaac Gym）和强化学习奖励设计，提升实操技能

面试指南

• 使用STAR法则（情境、任务、行动、结果）结构化回答，突出技术决策和贡献
• 结合具体案例说明技术选型和优化过程，展示问题解决思路
• 强调跨学科协作和工程实现细节，体现对实际应用的理解
• 请介绍你在世界模型或视频生成方面的研究或项目经验，遇到了哪些挑战？
• 如何设计数据增广方法来提升机器人策略的泛化能力？
• 描述一个你完成的从数据处理、模型训练到真机部署的全流程项目
• 你如何评估生成数据对下游策略训练的实际效果？
• 面对算法在真机上效果不佳的情况，你会如何调试和优化？