京东
机器人规划算法开发岗
机器人规划算法开发岗
发布于 大约 7 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)
Ros
Vlm
具身智能
多模态大模型
大模型
机器人
机械臂
路径规划
运动控制
AI 估算 · 30k–60k
北京大厂高级算法岗，技术难度高，市场竞争力强，参考行业对标岗位薪资水平
职位详情
关于这个职位
这是一个前沿的具身智能算法岗位，主要负责机器人规划算法的研发，包括VLM/大模型在机器人任务理解与分解中的应用、运动原语生成、大模型与传统控制模块的协同架构设计，以及真机系统集成验证
你将参与推动京东在机器人领域的智能化升级
最低要求
必需条件：
计算机科学、机器人学、人工智能、自动化等相关专业本科及以上学历，具备丰富相关领域研发经验，具备视觉语言模型或多模态模型研究经验
有具身智能（Embodied AI）、大语言模型（LLM）、视觉语言模型（VLM）或多模态模型在机器人任务规划中的应用经验
熟悉主流大模型框架，具备扎实的机器学习与深度学习基础，具有良好的工程实现能力，对大模型（LLM/VLM）的原理、应用（如Prompt Engineering、RAG、Fine-tuning）有深入理解和实践经验
具备扎实的Agent设计与开发经验，熟悉ReAct、Reflexion等Agent框架或思想
强大的工程能力：精通C++/Python，熟悉ROS/ROS2，具备优秀的软件架构设计和系统集成能力
出色的解决问题能力：对弥合高层规划与底层执行之间的“语义鸿沟”有浓厚兴趣和独到见解
工作职责
任务理解与分解系统构建：参与视觉语言模型（VLM）在具身智能体中的训练与优化，提升其在感知、理解与任务执行中的能力
设计将高层自然语言指令或视觉场景描述，分解为可执行的、序列化的子任务与动作步骤的算法框架
构建任务知识库与上下文学习机制，提升系统对复杂、模糊指令的鲁棒性
构建与处理多模态数据（图像、视频、语言、动作等），支持模型训练与评估
跟踪视觉语言模型、多模态大模型、AI Agent 等前沿研究，推动技术创新与落地
Motion Primitives生成与连接：研究并定义机器人可复用的基础运动原语库（如抓取、放置、推拉、导航等）
探索利用大模型生成、优化或选择适配特定任务场景的Motion Primitives
大小脑协同架构设计：主导设计“大模型（大脑）- 传统控制/规划模块（小脑）”的分层协同架构
定义大脑（负责高层任务规划、常识推理）与小脑（负责底层运动控制、实时避障）之间的接口与通信协议
实现大模型决策到机器人可执行指令的Grounding
真机系统集成与验证：将上述算法模块集成到真实的机器人平台（如机械臂、移动底盘等）中
设计系统化的实验方案，在真实场景下验证任务完成的成功率、效率与鲁棒性
负责性能瓶颈分析、系统调优，并推动算法在业务场景中的落地应用
优先资格
优先条件：
扎实的机器人学基础：熟悉机器人运动学、动力学，有机械臂或移动机器人控制经验，有多模态融合（视觉、语言、动作）项目经验者优先
有机器人、VLN、VLA、多模态大模型等方向真实场景机器人落地经验者优先
精通机器人学基础（运动学、动力学），熟悉传统路径规划（如A*、RRT）与运动控制算法，但更热衷于探索超越传统方法的新范式
在机器人顶会（ICRA, IROS, RSS）或AI顶会（NeurIPS, ICML, CVPR）有高水平论文发表者优先
AI 洞察
优缺点分析
优点
- 技术前沿：接触具身智能、VLM、多模态大模型等最热门方向，积累稀缺经验
- 平台优势：京东大厂资源丰富，有真实业务场景和数据，算法落地机会多
- 行业前景：机器人+AI是高速增长赛道，未来职业竞争力强
- 技术难度高：需要同时掌握大模型、机器人学、控制系统等多领域知识，学习曲线陡峭
- 工作强度大：大厂研发岗通常节奏快，且涉及真机调试，可能面临较多加班
- 落地周期长：从算法研究到真机部署存在“语义鸿沟”，需要较强的工程和问题解决能力
缺点 / 挑战
- 适合对具身智能和大模型充满热情、喜欢挑战高难度技术问题、且具备扎实工程和算法背景的求职者
角色解读
- 技术纵深发展：从算法工程师成长为具身智能方向的专家，主导核心算法研发
- 横向扩展：向机器人系统架构师或技术负责人发展，统筹大模型与传统控制的融合
- 行业影响力：通过发表高水平论文或落地业务场景，成为领域内知名专家
- 参与研发视觉语言模型（VLM）在机器人任务规划中的应用，设计将自然语言指令分解为子任务序列的算法框架
- 构建多模态数据集，训练和优化大模型以提升对复杂场景的理解和鲁棒性
- 定义机器人运动原语库，并利用大模型生成或选择适合特定任务的动作原语
- 设计大模型（大脑）与传统控制模块（小脑）的协同架构，实现从高层决策到低层控制的完整链路，并在真实机器人平台上集成验证
- 扎实的机器学习与深度学习基础，熟悉LLM/VLM原理及Prompt Engineering、RAG、Fine-tuning等应用
- 精通C++/Python，熟悉ROS/ROS2，具备优秀的软件架构设计和系统集成能力
- 有具身智能、大语言模型或视觉语言模型在机器人任务规划中的应用经验
- 熟悉Agent设计框架（如ReAct、Reflexion），并有实际开发经验
申请策略
- 了解京东机器人业务方向（仓储物流、配送等），在面试中展示你对业务场景的理解
- 准备一个完整的项目案例，说明如何解决高层规划与底层执行的结合问题
- 突出VLM/LLM在机器人任务规划中的应用项目，详细描述你的贡献和成果
- 强调工程能力：展示C++/Python、ROS/ROS2的系统架构设计和集成经验
- 如有Agent框架（ReAct/Reflexion）开发或多模态数据处理经验，务必重点描述
- 列出高水平论文发表（ICRA、IROS、NeurIPS等）或机器人竞赛获奖经历
- 补充机器人学基础：运动学、动力学、路径规划（A*、RRT）等传统方法
- 深入学习VLM和Agent框架，动手复现一些开源项目（如RT-2、SayCan等）
面试指南
- STAR法则：描述项目背景、任务、行动和结果，突出个人贡献
- 分层次回答：先给出总体设计思路，再细化到技术实现细节，最后总结效果
- 对比分析：比较不同方法（如端到端 vs. 分层）的优缺点，展示你的深度思考
- 请介绍一下你参与过的VLM在机器人任务规划中的应用项目，遇到的主要挑战是什么？
- 如何设计一个将自然语言指令分解为机器人可执行动作序列的算法框架？
- 解释一下大模型（大脑）与传统控制模块（小脑）的协同工作原理，如何设计它们之间的接口？
- 你如何评估一个机器人任务规划系统的性能？请举例说明
- 对LLM的Prompt Engineering和Fine-tuning有什么经验？在机器人场景下如何选择？
职位点评
74
综合评分
大厂前沿算法岗，技术成长极佳，但WLB一般，适合有野心的技术极客。
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
适合将技术成长作为首要目标、追求前沿创新、能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75
成长发展95
工作生活40
使命价值80
薪资福利
75中等
京东作为上市大厂，薪酬福利体系完善，但JD未明确薪资和具体福利，需面议。不过高级算法岗通常薪资具有竞争力。
薪资信号面议 (30K-60K/月)
成长发展
95较高
该岗位处于具身智能前沿，涉及VLM、大模型、机器人等最新技术，有大量学习和成长机会，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈VLM、大语言模型、具身智能、多模态、ROS、Agent
业务类型profit_center
工作生活
40较低
工作地点在北京，仅现场办公，未提及弹性工作或WLB，大厂研发岗通常有一定工作强度，可能面临加班。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
机器人+AI行业高速增长，岗位直接推动技术落地，有较强的创新和技术影响力，社会影响中性偏正面。
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