百度
具身智能仿真评测研发工程师（J105511）
具身智能仿真评测研发工程师（J105511）
发布于 大约 20 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
Cuda
Pytorch
云原生
仿真评测
具身智能
分布式系统
值不值得投
75综合评分
综合评分 75
前沿领域平台研发岗，技术成长空间大，但工作模式与强度信息不明。
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。
薪资怎么样
38K
比具身智能中位数低
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 1110 个在招
市场机会
选择面较广
北京 · 具身智能 · 57 个在招
职位详情
关于这个职位
该职位是百度具身智能团队的核心研发岗位，负责构建和优化仿真评测平台
你将参与开源资产（数据集、模型、仿真环境）的集成与产品化，开发加速镜像与评测任务调度系统，并探索Agent（智能体）在研发提效和生态构建中的应用
工作聚焦于将前沿的AI模型与仿真技术转化为可落地、可复用的平台能力，支撑具身智能算法的研发与评测
最低要求
计算机、人工智能、自动化、机器人、软件工程等相关专业，本科及以上学历
熟悉 Python / Go / C++ 中至少一种编程语言，具备扎实的工程研发能力和良好的代码质量意识
熟悉云原生、分布式系统、任务调度、工作流引擎中的一种或多种技术方向，有 Kubernetes、Docker 实际使用经验
理解 AI 模型开发基本流程，熟悉 PyTorch 等深度学习框架，了解训练加速、推理优化、性能分析的常用方法与工具
对具身智能行业有理解，了解机器人、多模态数据、仿真训练、VLA / 大模型、模型评测等相关概念
具备较强的问题抽象能力和平台化思维，能够将定制化需求沉淀为可复用的产品能力
具备良好的沟通协作能力，能够与产品、算法、架构、交付团队协同推进复杂项目落地
工作职责
负责开源数据集 / 模型 / 镜像以及仿真环境的预置上架，建设从开源资产调研、适配验证到平台上架的标准流程，丰富平台预置资产库
负责加速镜像的产品化研发，将训推加速能力封装为可复制、可交付的产品能力，支撑开源模型与仿真环境在云上的快速复现，建设 skill 与评测结果的自动化评估能力
负责仿真评测平台核心模块研发，包括仿真环境与评测集的集成与产品化、评测任务统一编排（多仿真环境抽象统一、任务自动分片与并发调度），提升大规模评测任务的吞吐与资源利用率
负责 Agent 方向研发，包括 skill 资产管理、对外预置 skill 能力与对内研发提效工具建设，开展开源及厂内外 skill 的研究与集成
优先资格
有 Isaac Gym / Isaac Lab / MuJoCo / ManiSkill / SAPIEN 等仿真器的使用或二次开发经验，熟悉具身评测 benchmark（LIBERO、RoboArena 等）
有训练/推理加速实战经验，熟悉 torch.profiler、Nsight Systems、py-spy 等性能分析工具，了解 CUDA / NCCL 性能特征
有 Agent 平台、skill / 插件生态、AI 研发提效工具的研发经验，有开源社区（Isaac / LeRobot / openpi 等）代码贡献经历
熟悉 Ray、Argo、Kubeflow 等分布式任务编排技术，有大规模 GPU 任务调度经验
有机器学习平台、AI Infra、性能工程相关研发经验，有云厂商 ToB 行业解决方案或客户项目交付经验
AI 洞察
优缺点分析
优点
- 深度参与具身智能这一前沿交叉领域的平台建设，技术视野开阔
- 在百度这样的大平台，有丰富的资源和场景进行大规模系统实践
- 技术栈复杂，需同时应对云原生、AI框架、仿真引擎等多个技术领域
- 作为平台研发，需平衡技术深度与快速响应业务需求之间的节奏
- 具身智能领域发展迅速，需要持续学习跟进最新的学术和工业进展
- 对构建大规模AI基础设施、具身智能技术有浓厚兴趣，兼具扎实工程能力、系统设计思维和良好协作意识的工程师
缺点 / 挑战
- 岗位兼具深度技术挑战（分布式、高性能）与产品化思维，综合能力成长快
角色解读
- 技术深耕：成为AI Infra、仿真评测或分布式计算领域的专家工程师
- 架构拓展：负责更大规模的AI平台或具身智能全栈解决方案的架构设计
- 方向引领：在Agent、仿真评测等前沿方向上推动技术创新和标准制定
- 构建和维护开源AI资产（模型、数据集、环境）的集成与预置平台
- 研发高性能仿真评测工具链，优化任务调度与资源管理，提升研发效率
- 设计和开发Agent工具与Skill生态，赋能内部研发与外部用户
- 封装和交付加速镜像等可复用的AI基础设施能力
- 扎实的工程开发能力，精通Python，并熟悉Go/C++至少一门
- 深入理解云原生技术栈（Kubernetes, Docker）和分布式系统设计
- 具备深度学习框架（PyTorch）使用经验，了解模型训练/推理优化
- 对具身智能领域有热情和认知，了解机器人、仿真、VLA等概念
申请策略
- 关注百度智能云、Apollo（自动驾驶）及相关AI开源项目的最新动态
- 面试前可尝试了解具身智能评测的难点和现有平台方案，形成自己的见解
- 突出参与过的云原生、分布式任务调度或AI平台项目的具体贡献
- 展示使用PyTorch进行模型开发、训练加速或性能优化的实际案例
- 如有使用Isaac Gym、MuJoCo等仿真器或相关开源项目经验，务必详述
- 强调将复杂需求抽象为通用平台或工具的产品化思维和落地成果
- 补充学习具身智能领域的基础知识，如VLA模型、主流仿真benchmark
- 实践Kubernetes上的大规模任务调度，或学习Ray、Kubeflow等框架
面试指南
- 回答平台设计问题时，可采用分层架构思路（资源层、调度层、引擎层、业务层），并考虑扩展性、易用性和性能
- 描述技术难题时，遵循STAR原则（情境、任务、行动、结果），突出分析过程和最终收益
- 讨论领域理解时，结合具体案例（如某个benchmark的缺点、某个模型的评测需求）来展示深度思考
- 请介绍一下你对具身智能和仿真的理解，以及这个领域评测的关键挑战是什么？
- 如果让你设计一个支持多仿真器、多算法对比的评测平台，你会如何进行架构设计？
- 请描述一个你解决过的涉及分布式系统或性能优化的复杂技术难题
- 如何将一个特定算法（如某个VLA模型）快速适配并集成到标准化评测流程中？
- 你如何看待Agent技术在提升AI研发效率中的作用？可以举例说明吗？
职位点评
薪资福利75
成长发展90
工作生活50
使命价值85
薪资福利
75中等
该职位为上市企业正式岗位，通常具备市场竞争力的薪酬结构和完善的社会保障，但具体福利细节未在JD中披露。
薪资信号未披露（AI估算：25K-50K/月）
成长发展
90较高
该职位涉及前沿的具身智能领域与平台架构技术，要求持续学习新技术并应对复杂工程挑战，技能成长路径清晰。
技术前沿前沿/新兴技术
技术栈Python、Kubernetes、Docker、PyTorch、CUDA、仿真、Agent、分布式系统
业务类型profit_center
工作生活
50较低
JD未明确提及办公模式与工作时间相关信息，无法判断WLB情况。职位要求可能涉及高强度的平台开发和问题解决。
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
85较高
具身智能是人工智能与机器人结合的前沿领域，具有明确的行业增长潜力和社会应用前景，研发工作有助于推动技术落地。
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
Watch Jobs