京东
算法工程师
算法工程师
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Ros/Ros2
Vla模型
具身智能
强化学习
推理优化
数据治理
机械臂控制
模仿学习
值不值得投
80综合评分
综合评分 80
核心具身智能岗位，技术前沿且落地场景丰富，成长空间大，但真机调试与工程落地挑战较高。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5万
比具身智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1760 个在招 · 其中具身智能 4 个
市场机会
选择面较广
北京 · 具身智能 · 76 个在招
职位详情
关于这个职位
该职位主要负责京东物流仓储场景下的具身智能算法研发，主导VLA（视觉-语言-动作）模型的选型、训练与真机部署
你需要构建多模态数据集，优化机械臂抓取与避障算法，并解决端侧推理优化与工程化落地难题，提升仓储作业效率
最低要求
具备视觉-语言-动作模型全栈落地能力，从选型、数据构建到真机适配的完整流程，解决仓储场景抓取泛化难题并对作业指标负责
拥有机器人数据闭环建设经验，负责示教采集、数据清洗与质量治理，构建高质量数据集支撑模仿学习与强化学习训练
熟悉机械臂仿真与真机联调，具备长时序任务规划与动态环境避障优化能力，提升策略稳定性与作业效率
具备端侧推理优化与工程落地能力，熟悉Jetson等平台量化加速及ROS/ROS2对接，解决真机时延与稳定性问题
能够在复杂干扰下定位算法失效根因，建立标准化评测体系驱动迭代，并持续追踪具身智能前沿模型推动技术落地
对仓储物流场景具身智能工程化有长期投入事业心，坚持高标准数据规范与实验纪律，以身作则攻克技术难题，持续挑战性能上限
符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信
工作职责
主导VLA模型选型与训练，实现语言指令与视觉观测到机械臂动作的端到端生成，解决杂堆、柔性包裹等抓取泛化难题
设计遥操作示教采集流程，构建仓储专属多模态数据集并完成数据治理，支撑模仿学习与强化学习训练
基于仿真平台完成模型在机械臂上的适配部署，融合姿态估计与避障算法，优化长时序任务规划与抓取成功率
负责模型在机器人端的工程化部署与推理优化，对接控制栈并解决真机时延与稳定性问题，提升作业吞吐指标
协同产线团队定位算法失效根因，建立标准化评测体系，跟踪并验证前沿具身智能模型以支持产品迭代
AI 洞察
优缺点分析
优点
- 具身智能与VLA模型是当前AI领域最前沿、最具潜力的方向之一，技术壁垒高
- 依托庞大的真实仓储场景，拥有丰富的数据与真机落地机会，能积累极具竞争力的工程化经验
- 仓储场景复杂（如杂堆、柔性包裹），算法泛化与真机部署难度大，需要解决时延、稳定性等工程难题
- 对跨学科能力（算法、控制、硬件）要求高，调试周期可能较长
- 适合对机器人和具身智能有浓厚兴趣，具备扎实算法基础且愿意深入一线解决复杂工程问题的技术极客
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向具身智能算法专家或机器人系统架构师方向发展
- 随着技术落地，有机会成为仓储物流智能化核心技术的负责人，带领团队攻克行业级技术难题
- 主导VLA模型在仓储物流场景的选型、训练与端到端生成，解决机械臂抓取泛化难题
- 负责机器人数据闭环建设，构建多模态数据集以支撑模仿与强化学习
- 完成模型在机械臂上的仿真适配、真机部署与推理优化，提升作业吞吐与稳定性
- 具备视觉-语言-动作（VLA）模型全栈落地能力，熟悉模仿学习与强化学习
- 精通机械臂仿真与真机联调，掌握长时序任务规划与动态避障算法
- 具备端侧推理优化经验，熟悉Jetson平台量化加速及ROS/ROS2对接
申请策略
- 了解京东物流在仓储机器人和具身智能方面的最新业务进展，面试时结合具体业务场景（如杂堆抓取）提出你的技术见解
- 重点突出VLA模型或类似多模态大模型的训练与落地经验
- 详细展示机器人数据闭环建设、仿真到真机部署（Sim2Real）的完整项目经历
- 强调在端侧推理优化（如Jetson部署）和ROS/ROS2对接方面的工程能力
- 深入学习VLA模型（如RT-1, RT-2, Octo等）的最新论文与开源实现
- 熟悉强化学习在机器人控制中的应用，以及Jetson平台的TensorRT量化加速技术
面试指南
- 采用STAR法则（情境、任务、行动、结果），重点突出“问题定义-技术方案-工程落地-业务收益”的闭环
- 对于算法失效或泛化问题，强调数据分析、根因定位和评测体系建立的严谨过程
- 请详细介绍你主导过的VLA模型或类似多模态模型的选型、训练与真机部署流程
- 在仓储杂堆或柔性包裹抓取场景中，你是如何解决算法泛化难题的？
- 在Sim2Real（仿真到真机）迁移过程中，你遇到过哪些时延或稳定性问题，是如何解决的？
- 请描述一次你构建机器人数据闭环或进行示教采集、数据治理的完整经验
- 在Jetson等端侧平台上，你是如何进行模型量化加速和推理优化的？
- 复习具身智能、VLA模型、模仿学习、强化学习的核心原理与最新进展
职位点评
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
头部企业薪资福利体系完善，具身智能方向属于高溢价赛道，整体薪酬具备较强市场竞争力。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
95较高
岗位聚焦具身智能与VLA模型等前沿技术，且依托真实仓储场景，能提供极佳的技术深度与工程落地成长空间。
技术前沿前沿/新兴技术
技术栈VLA模型、模仿学习、强化学习、ROS/ROS2、Jetson、Sim2Real
成长机会持续追踪具身智能前沿模型、长期投入事业心
业务类型ambiguous
工作生活
50较低
JD中未明确提及工作模式与WLB相关信息，但涉及真机联调与产线协同，可能需要频繁前往实验室或仓储现场，工作节奏可能较快。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
推动仓储物流行业的智能化升级，具身智能技术的应用能显著提升物流效率，具有较高的行业价值与社会意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号对仓储物流场景具身智能工程化有长期投入事业心
创新程度积极采用新技术
Watch Jobs