具身规划模型算法工程师

优缺点分析

角色解读

• 在具身智能这一前沿赛道深耕，成为领域专家，主导核心算法方向的技术选型和架构设计
• 向技术管理方向发展，带领团队负责具身大脑系统的整体规划与落地，推动产品化进程
• 依托京东丰富的业务场景，将技术成果转化为实际应用，成为兼具技术深度和业务视野的复合型人才
• 负责长程移动操作任务的具身规划模型训练，包括数据处理、模型微调、强化学习后训练和效果验证，以提升模型的规划能力和泛化能力
• 构建高质量具身操作数据集，包括开源数据的收集清洗和自采数据的pipeline搭建，为模型训练提供数据基础
• 负责具身规划模型在真实机器人上的推理部署与性能优化，确保模型在真实环境中稳定高效运行
• 与感知、控制团队协作，参与具身大脑系统的集成与联调，并持续跟踪前沿技术以优化模型效果
• 具备多模态大模型相关的数据收集、模型训练、推理部署项目经验，熟悉具身智能模型开发流程
• 熟悉具身智能领域的主流开源数据集（如RoboVQA、ShareRobot）和经典模型（如Qwen-VL、LLaVA系列）
• 熟练掌握Python/C++，并精通PyTorch/TensorFlow等深度学习框架，具备优秀的代码工程能力
• 具备扎实的计算机、人工智能或机器人学理论基础，有强化学习、模型部署优化经验者更佳

申请策略

• 在申请时，可以表达对京东具身智能业务方向的了解，并展示你对该领域未来发展的思考
• 提前了解京东科技在具身智能领域的布局和成果，在面试中展现你的热情和匹配度
• 重点突出多模态大模型或具身智能相关的项目经历，详细描述你在数据、训练、部署等环节的具体工作和成果
• 强调对具身智能开源数据集和经典模型的熟悉程度，如有使用经验请具体说明
• 突出你的编程能力和深度学习框架使用经验，如有开源贡献或竞赛获奖经历务必提及
• 如有顶会论文发表，应放在显眼位置，这是重要的加分项
• 系统学习强化学习（如PPO、SAC）在机器人操作中的应用，并尝试在仿真环境（如MuJoCo）中进行实践
• 深入研究具身智能领域的经典论文和开源项目，如RT-1、RT-2、Octo等，了解最新技术趋势

面试指南

• 回答项目经验时，采用STAR法则（情境-任务-行动-结果），突出你个人在项目中的技术难点和解决方案
• 回答技术方案设计问题时，先明确目标，再拆解为数据、模型、训练、部署等环节，并说明每个环节的关键点和取舍
• 回答开放性问题时，结合你对领域前沿的了解和自己的思考，展现逻辑性和深度
• 请详细介绍一下你参与过的多模态大模型或具身智能项目，你在其中承担的具体角色和贡献是什么？
• 针对长程移动操作任务，你会如何设计数据采集和模型训练方案？如何评估模型的泛化能力？
• 在模型部署到真实机器人时，你如何考虑计算资源限制和实时性要求？请谈谈你的优化思路
• 你如何看待当前具身智能领域的主要技术挑战和未来发展趋势？
• 请介绍一个你使用强化学习解决实际问题的案例，并说明你如何处理训练中遇到的奖励稀疏等问题