大华股份
具身智能VLA算法工程师(J24357)
具身智能VLA算法工程师(J24357)
发布于 大约 16 小时前普通员工/个人贡献者
杭州市
中级经验
全职员工
仅现场办公
硕士
具身智能
Pytorch
Ros
Vla
多模态大模型
数据闭环
机器人控制
模仿学习
深度强化学习
AI 估算 · 25k–40k
具身智能算法人才稀缺，杭州大厂薪资有竞争力，硕士算法工程师月薪25-40K，年终奖约2个月。
职位详情
关于这个职位
该职位负责开发具身智能VLA算法，构建自动化数据闭环，训练多模态大模型控制机器人，并进行真机验证与产品化落地
你将接触前沿的VLA+RL技术，并参与从仿真到部署的全流程，适合对机器人控制与AI结合充满热情的工程师
最低要求
硕士及以上学历，重点高校计算机、自动化、人工智能、应用数学等专业，理论基础扎实
了解机器人运动学与动力学，能解决真机联调时的抖动、误差等问题，熟悉Gazebo、Mujoco、Isaac Sim/Lib等主流机器人仿真软件
了解常用的深度强化学习算法（如PPO、SAC、DQN、DDPG、A3C等），熟悉常见的模仿学习算法（如：ACT、DP、PI系列等）
熟悉C++、Python等编程语言，熟悉Pytorch/Tensorflow等主流深度学习框架，了解ROS中间件
熟练掌握常见的分布式训练框架，以及大模型训练及高效微调技术，熟练应用云端算力展开大规模数据处理及训练
工作职责
工作职责
算法开发
· 构建具身智能数据采集、标注、清洗、存储等的自动化数据闭环系统，确保模型能在真机 Rollout 中持续循环迭代提升
· 负责基于多模态大模型的仿生机器人控制算法设计、模型训练、SFT训练、RL后训练、调试与真机验证
· 负责跟进领域最新进展，预研和评估大模型在机器人领域的应用, 如VLA+RL、World Model等
· 编写机器人控制相关的动力学、运动学与底层电机SDK
算法产品化
· 负责具身智能算法和模型在机器人上的开发与集成，赋予产品稳定的服务或劳动生产力
· 针对特定场景如家庭、工厂等，对算法进行工程化调优，解决场景和业务适配问题
· 优化机器人软硬件架构，降低系统延迟，确保“感知-决策-执行”链路的高频、稳定响应
· 设计完善的安全处理机制，确保机器人在算法失效、传感器异常等特殊状况下能安全恢复
· 标准化完整的测试评价体系，通过真机长时测试运行，发现并解决方案存在的问题
优先资格
有将AI算法成功应用到量产机器人产品的完整经验者优先，有应用于机器人的端到端算法开发和部署经验者优先
AI 洞察
优缺点分析
优点
- 前沿领域：具身智能是AI热门赛道，技术成长空间大
- 平台优势：大华股份是安防巨头，有量产场景和丰富资源
- 全链路经验：从数据、训练到部署都能深入参与，综合能力提升快
- 高需求：VLA人才稀缺，职业前景广阔
- 技术难度高：需融合多模态大模型、强化学习、机器人学等，学习曲线陡峭
- 落地周期长：真机验证和调试耗时，需要耐心和细致
- 竞争激烈：头部公司都在布局，对个人能力要求高
- 适合具有扎实AI基础、对机器人技术充满热情、喜欢解决复杂系统难题、能适应高强度研发的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家方向：深入VLA和具身智能，成为算法核心研发者
- 技术管理方向：积累经验后带领算法团队，负责产品线落地
- 跨界发展：向机器人全栈、AI产品经理等方向拓展
- 构建数据采集、标注、清洗、存储的自动化数据闭环，支持真机持续迭代
- 设计并训练基于多模态大模型的机器人控制算法，包括SFT、RL后训练等
- 进行仿真与真机联调，解决抖动、误差等问题，验证算法性能
- 推进算法产品化，针对特定场景优化模型和系统架构，设计安全机制
- 扎实的编程能力：熟练掌握C++和Python，熟悉PyTorch/TensorFlow
- 算法基础：了解深度强化学习和模仿学习，能实现常见算法
- 机器人学知识：熟悉运动学、动力学及Gazebo、Mujoco等仿真工具
- 工程能力：掌握ROS、分布式训练框架和大模型微调技术
申请策略
- 了解大华在具身智能和机器人业务上的布局，将自身经历与业务目标结合
- 准备好能展示你解决复杂工程问题的项目案例，尤其是端到端部署经验
- 突出具身智能或机器人相关项目，尤其是真机部署经验
- 展示多模态大模型训练、强化学习、模仿学习的项目成果，量化指标
- 强调编程能力和框架熟练度，可附GitHub或技术博客
- 体现对机器人学的理解，如运动学、动力学仿真经验
- 如需补强，可快速上手Isaac Sim或Mujoco，熟悉强化学习环境
- 阅读VLA领域最新论文（如RT-2、OpenVLA）并尝试复现
面试指南
- STAR法则：情境-任务-行动-结果，结构化描述项目经历
- 问题拆解法：明确问题定义，分析可能原因，逐步验证并给出实验对比
- 方法论+实例：先说通用思路，再举具体项目中的实际做法
- 请介绍一个你做过的机器人或具身智能项目，包括难点和解决方案
- 如何设计一个数据闭环来提升模型在真机上的表现？
- PPO和SAC在机器人控制中如何选择？你如何调参？
- 真机联调时遇到抖动或延迟，你会怎么排查和解决？
- 你如何对大模型进行高效微调以适配机器人任务？
职位点评
68
综合评分
前沿VLA算法岗位，技术成长极佳，薪资面议但平台可靠，生活平衡存疑。
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
最适合追求技术突破和行业前沿、能接受现场加班节奏的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活50
使命价值70
薪资福利
65中等
薪资面议，但大华作为上市大厂平台稳定，福利体系预计完善，但个人收入存在不确定性，补偿性动机满足度中等。
薪资信号面议 (25K-40K/月)
成长发展
85较高
VLA是具身智能的核心前沿方向，涉及的技能栈多且深，技术成长空间大，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈VLA、多模态大模型、深度强化学习、模仿学习、PyTorch、ROS、Gazebo、Mujoco、Isaac Sim
业务类型ambiguous
工作生活
50较低
未提及弹性办公或远程，且算法岗通常需现场调试，工作强度不明，生活化动机满足度有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
具身智能是高速增长赛道，若真能带来生产力提升，社会价值较高，但公司使命导向在JD中体现不明显。
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
大华股份 的其他在招职位
相似职位推荐
Watch Jobs