京东
机器人多模态感知与运控算法开发岗
机器人多模态感知与运控算法开发岗
发布于 大约 8 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
Pytorch
Ros
Slam
Tensorrt
多模态感知
强化学习
机器人控制
计算机视觉
AI 估算 · 30k–55k
基于北京地区高级算法工程师市场薪资，结合京东平台及岗位技术前沿性，月薪约30-55K，年终奖2-4个月。
职位详情
关于这个职位
该职位负责京东机器人的多模态感知与运动控制算法开发，包括视觉感知架构设计、强化学习策略训练和真机部署
你将参与从算法研究到系统优化的全流程，涉及计算机视觉、强化学习和机器人学等多个前沿技术领域
适合有3年以上经验的机器人算法工程师
最低要求
学历与经验：计算机科学、机器人学、自动化、人工智能等相关专业本科及以上学历
年以上机器人视觉感知或视觉强化学习相关研发经验
视觉感知核心能力（重点）：精通计算机视觉基础理论，熟悉相机模型、标定、多视图几何
熟练掌握至少一种视觉感知技术栈：传统视觉（OpenCV, PCL，熟悉特征提取、立体匹配、SLAM/VIO基础）或深度学习视觉（精通PyTorch，熟悉CNN、Transformer在视觉任务中的应用
有实际训练视觉模型的经验
有将视觉信息作为强化学习状态输入的实际项目经验）
强化学习与机器人控制：精通深度强化学习算法（PPO, SAC等），有真机部署机器人运动策略经验
扎实的机器人学基础，熟悉运动学、动力学及状态估计
编程与工程：精通Python和C++，熟悉Linux、ROS/ROS2
具备嵌入式视觉部署经验者优先，了解模型优化与加速技术
工作职责
视觉感知驱动的运动控制架构设计：主导设计视觉-运动闭环系统架构，明确视觉感知模块与强化学习策略接口、数据流与时序要求
研究并确定视觉信息的最佳表征形式（如原始图像、深度图、点云、语义分割图、神经辐射场NeRF特征或视觉里程计）作为强化学习策略输入
视觉感知算法研发与集成：开发或集成适用于机器人运动控制的轻量化、实时视觉感知算法
关键技术方向包括但不限于：地形与可通行性分析、视觉状态估计、视觉特征提取
多模态强化学习策略训练：设计并训练融合视觉、本体感知等多模态信息的强化学习策略
解决视觉输入下的Sim2Real挑战
探索模型在机器人运动控制中的应用，提升策略泛化能力
真机部署与系统优化：将视觉感知算法与强化学习策略部署到机器人
进行系统级优化，包括模型量化、剪枝、TensorRT加速，以及感知-控制流水线的并行化与延迟优化，确保整体系统满足实时性要求
真机实验分析视觉误差对运动性能影响，迭代优化算法
优先资格
视觉感知专项经验：有地形语义分割、视觉里程计/SLAM、单目/立体深度估计或事件相机处理经验
熟悉场景表征技术
在CVPR, ICCV, ECCV, ICRA, IROS等会议发表过相关论文
系统融合经验：有在NVIDIA Isaac Sim中配置视觉传感器、进行域随机化训练的经验
有多模态学习或模仿学习经验
熟悉CUDA编程或TensorRT，有实际的模型部署与性能调优经验
AI 洞察
优缺点分析
优点
- 技术前沿性强，覆盖视觉、强化学习、机器人学等热门领域，有利于个人技术积累
- 京东作为大厂，平台资源丰富，有真机和实际场景落地机会
- 薪资待遇在行业内具有竞争力，且京东福利体系完善
- 岗位要求全面，需同时掌握视觉、强化学习和工程部署，学习曲线陡峭
- 真机调试和Sim2Real迁移具有较大不确定性，需要较强的实验和迭代能力
- 适合有3年以上机器人视觉或强化学习经验，渴望在机器人智能控制领域深入发展的技术型人才
缺点 / 挑战
- 对项目交付周期有要求，可能面临一定的工作压力
角色解读
- 向机器人算法专家或系统架构师方向发展，负责更复杂的感知-决策一体化系统
- 横向拓展至其他机器人应用领域（如自动驾驶、无人机、人形机器人）
- 晋升技术团队负责人或项目负责人，管理算法团队并主导技术方向
- 设计并实现机器人视觉-运动闭环的感知与控制算法架构
- 开发轻量化实时视觉感知算法（如地形分析、状态估计、特征提取）
- 训练融合视觉和本体感知的多模态强化学习策略，并部署到真机
- 优化感知-控制流水线，进行模型量化、加速和系统级调优
- 精通计算机视觉（包括传统视觉和深度学习视觉），熟练使用PyTorch、OpenCV、PCL等工具
- 精通深度强化学习算法（PPO, SAC等），有真机部署经验
- 扎实的机器人学基础，熟悉运动学、动力学、状态估计
- 优秀的编程能力：熟练Python和C++，熟悉ROS/ROS2，有嵌入式或模型优化经验者优先
申请策略
- 准备一份技术方案，简要描述一个你自己设想的机器人感知-控制系统架构，展示系统思考能力
- 了解京东物流或仓储机器人场景，思考该岗位技术如何提升京东业务效率，面试中可结合场景阐述
- 突出视觉感知项目：强调在机器人上部署视觉算法的经验，包括具体任务（深度估计、语义分割等）和使用的框架
- 强化学习落地案例：展示从仿真到真机的强化学习策略训练项目，说明遇到的Sim2Real问题及解决方法
- 工程能力证明：列出Python/C++项目，特别是ROS、模型优化（TensorRT）相关的实践
- 论文或竞赛：如有相关顶会论文或比赛成绩，重点突出
- 补充嵌入式视觉部署经验：了解TensorRT、模型量化剪枝等优化技术
- 预研Isaac Sim或其他仿真平台，积累域随机化经验
面试指南
- STAR法则：描述情景、任务、行动、结果，突出你的贡献和思考
- 技术对比：对于算法选型，对比不同方法的优缺点，说明为何选择你的方案
- 量化结果：用具体指标（如成功率、延迟、精度）证明你的方案有效性
- 请描述一个你主导的视觉感知项目，包括技术选型、遇到的挑战和最终效果
- 你如何解决Sim2Real中的域迁移问题？请举一个具体例子
- 如何设计一个融合视觉和本体感知的强化学习策略？输入和输出分别是什么？
- 请解释PPO算法的原理，并说明如何调参
- 如何将一个训练好的深度学习模型部署到具有实时性要求的嵌入式平台？
职位点评
74
综合评分
前沿机器人算法岗，技术深度高，成长快，但需要适应现场办公和可能的加班。
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
最适合追求技术成长和前沿挑战的求职者，对薪资和WLB要求相对不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活40
使命价值70
薪资福利
80较高
京东薪资在行业中处于中上水平，且为上市公司，福利正规。但JD未明确薪资和福利细节，故评分略高但非满分。
薪资信号未披露（AI估算：30K-55K/月）
成长发展
95较高
该岗位涉及机器人感知、强化学习等前沿技术，且有多样化的研发任务，成长空间极大。JD中未明确提及培训，但项目本身提供极佳的学习机会。
技术前沿前沿/新兴技术
技术栈计算机视觉、强化学习、PyTorch、ROS、SLAM、多模态、TensorRT
业务类型ambiguous
工作生活
40较低
仅现场办公，且未提及弹性工作或远程选项。北京通勤时间较长，JD未说明WLB政策，可能工作强度较大。
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
70中等
机器人行业处于高速增长阶段，京东在物流机器人有实际应用场景，具有一定社会意义。但岗位偏技术实现，使命感一般。
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
京东 的其他在招职位
相似职位推荐
Watch Jobs