博世
机器人学习与Manipulation研发科学家_CR
机器人学习与Manipulation研发科学家_CR
发布于 大约 2 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
机器人开发
Pytorch
Vla
强化学习
机器人操作
行为克隆
视觉运动策略
AI 估算 · 30k–50k
职位详情
关于这个职位
该职位负责研发面向人形及通用机器人的学习型视觉运动策略，包括抓取、搬运、开门等操作技能，并应用行为克隆、强化学习、VLA等方法实现规模化学习
你将参与从数据采集、模型训练到真实机器人部署的完整链路，并与多团队协作，推动前沿科研成果落地
适合具有扎实机器人学习背景、热爱真实系统研发的工程师
最低要求
· 机器人、计算机科学、人工智能、电气工程、机械工程、机电一体化等相关专业优秀硕士，博士优先
· 具有真实机器人学习系统研发与部署经验
· 具备扎实的机器人操作、视觉运动学习及机器人控制背景
· 熟悉 Behavior Cloning、Reinforcement Learning、VLA、Diffusion Policy 或其他学习型机器人策略方法
· 熟悉 Python/C++、PyTorch，具备较强的机器人及机器学习工程能力
· 具有真实机器人数据采集、轨迹数据集构建及闭环策略评测经验
· 能够独立设计实验、分析失败案例，并快速迭代真实机器人系统
· 深入理解经典机器人方法与学习型方法之间的优势、局限及协同关系
工作职责
· 研发面向人形机器人及通用机器人的学习型视觉运动策略（Visuomotor Policy），实现从环境感知到机器人动作的端到端学习
· 开发抓取、搬运、物体重定向、开门、双臂操作及基础装配等机器人操作能力
· 研究并应用 Behavior Cloning、强化学习、VLA及Policy Learning 等方法，实现机器人操作能力的规模化学习
· 针对传感器噪声、部分可观测、接触动力学及环境变化等真实世界挑战，研发具有高鲁棒性的机器人策略
· 负责从真实机器人数据采集、数据集构建、模型训练、评测到机器人部署及闭环优化的完整技术链路
· 利用仿真及数字孪生开展规模化训练和 Sim-to-Real，同时以真实机器人性能和实际部署效果为核心目标
· 与感知、基座模型、规划、控制、系统及硬件团队紧密合作，将学习型策略集成到完整机器人系统
· 研究学习型方法与经典机器人方法之间的技术边界和协同方式，构建可靠、可扩展的机器人自主能力
· 跟踪 Robot Learning、VLA及Embodied AI前沿技术，并推动最新科研成果在真实机器人平台上的落地
优先资格
· 熟悉 Isaac Sim、MuJoCo、NVIDIA Omniverse 等机器人仿真平台者优先
· 具有人形机器人或高灵巧度机器人研发经验者优先
· 在 Robot Learning、Manipulation或Embodied AI领域发表高水平论文者优先
· 具有科研项目负责人或团队指导经验者优先
· 热爱构建能够在真实世界中自主、可靠运行的通用机器人
· 具备优秀的沟通能力，英语流利
AI 洞察
优缺点分析
优点
- 博世作为跨国巨头，资源丰富，平台稳定
- 有机会与顶尖团队合作，接触真实机器人系统
- 对综合能力要求高，需同时掌握机器学习、机器人控制等
- 竞争激烈，需要持续学习最新技术
缺点 / 挑战
- 处于机器人学习前沿领域，技术挑战大，成长空间广阔
- 真实机器人调试复杂，可能面临较大工作压力
- 适合对机器人学习有强烈兴趣，具备扎实理论基础和工程实践能力，乐于挑战真实系统难题的工程师
角色解读
- 可向机器人学习专家或技术负责人方向发展
- 有机会参与前沿研究并发表高水平论文，提升学术影响力
- 可在博世内部跨团队协作，拓展感知、控制等相邻领域技能
- 研发学习型视觉运动策略，实现机器人从感知到动作的端到端学习
- 开发多种机器人操作技能，如抓取、搬运、开门等
- 应用行为克隆、强化学习等方法，实现规模化学习
- 负责从数据采集到模型部署的完整链路，并优化真实机器人性能
- 扎实的机器人操作、视觉运动学习及控制背景
- 熟悉行为克隆、强化学习、VLA等学习型策略方法
- 熟练使用Python/C++和PyTorch，具备工程能力
- 有真实机器人数据采集和部署经验
申请策略
- 了解博世机器人业务方向，在面试中展示对真实机器人问题的理解
- 准备一个完整的项目案例，从问题到解决方案
- 突出机器人学习项目经验，特别是真实机器人部署案例
- 强调在行为克隆、强化学习等方法的实际应用
- 展示编程能力和工程实现细节，如PyTorch使用
- 如有论文或开源项目，务必列出
- 熟悉仿真平台如Isaac Sim、MuJoCo
- 补充机器人控制基础知识，如运动规划
面试指南
- 使用STAR法则：情境、任务、行动、结果
- 强调问题解决思路，突出工程实践
- 结合具体技术细节，展示深度
- 请描述一个你独立完成的机器人学习项目，包括挑战和解决方案
- 如何设计一个抓取策略的仿真到真实迁移？
- 行为克隆和强化学习在机器人操作中的优缺点？
- 如何处理真实机器人数据中的噪声和不确定性？
- 你如何与硬件团队协作？
职位点评
73
综合评分
前沿机器人学习岗位，技术成长空间大，但工作强度可能较高。
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
该职位最适合追求技术成长和前沿挑战的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活50
使命价值80
薪资福利
70中等
博世作为跨国巨头，薪资福利有竞争力，但具体薪资未披露，稳定性较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
该职位处于机器人学习前沿，技术挑战大，成长空间广阔，且公司提供良好平台。
技术前沿前沿/新兴技术
技术栈Behavior Cloning、Reinforcement Learning、VLA、Diffusion Policy、PyTorch、Isaac Sim、MuJoCo
业务类型ambiguous
工作生活
50较低
工作地点在上海，但未提及弹性工作或远程，可能需现场办公，工作强度未知。
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
80较高
机器人技术具有较高社会价值，博世致力于改善生活质量，行业前景好。
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improve quality of life
创新程度积极采用新技术
Watch Jobs