vivo
具身智能算法专家 (VLA方向)
具身智能算法专家 (VLA方向)
发布于 大约 8 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Jax
Pytorch
Vla
分布式训练
多模态大模型
强化学习
机器人
机械臂
模仿学习
AI 估算 · 30k–55k
一线城市大厂算法专家岗，VLA方向稀缺，薪资竞争力强，结合市场水平估算。
职位详情
关于这个职位
该职位是vivo具身智能团队的核心研发岗位，专注于Vision-Language-Action (VLA)多模态大模型的架构设计、预训练与微调，旨在将大模型能力赋予机器人，实现复杂操作任务的端到端控制
你将参与从数据采集、模型训练到实体部署的全链路工作，探索具身智能前沿技术
适合具备扎实深度学习背景和机器人领域热情的算法专家
最低要求
学历背景：计算机、人工智能、机器人等相关专业硕士及以上学历，博士优先
有顶会论文（CVPR, ICCV, ICRA, CoRL, NeurIPS 等）者优先
模型经验：深入理解 Transformer 与flow matching架构，有大规模多模态模型（如 CLIP, LLaVA, Flamingo）或VLA 模型的训练/微调经验
具身智能背景：熟悉模仿学习（Imitation Learning）、强化学习（RL）基本原理，了解 RT-1/RT-2, Aloha, PaLM-E 等具身智能经典工作
编程能力：精通 Python 及 PyTorch/JAX，具备优秀的工程实现能力，熟悉分布式训练框架（如 DeepSpeed, Megatron-LM）
机器人基础：了解刚体运动学、坐标变换、基础路径规划算法
实战经验：动手能力强，有机械臂（如 Franka, UR, 傲博等）或人形机器人开发经验者
工作职责
核心模型研发：负责 Vision-Language-Action (VLA) 多模态大模型的架构设计、预训练及微调工作（如基于 RT-2, OpenVLA, pi05 等架构）
数据管线建设：负责构建高质量的机器人操作数据集，包括真实世界数据采集方案设计、仿真数据生成（Sim-to-Real）、以及视频/文本数据的清洗与配对
算法优化：探索大语言模型（LLM）与视觉编码器（ViT等）在机器人控制领域的融合，解决长序列决策、空间感知能力不足、以及推理延迟等关键问题
前沿探索：跟踪具身智能领域（如世界模型、端到端控制、强化学习与模仿学习结合）的最新论文，复现并改进 SOTA 算法
落地验证：将 VLA 模型部署到机械臂或人形机器人实体上，完成抓取、操作、导航等复杂任务的闭环测试
优先资格
有Isaac sim, Mujoco, Habitat 等仿真环境开发经验
有实际物理机器人（机械臂、移动底盘、人形机器人）部署调试经验
在 Kaggle 或机器人相关竞赛中获得优异名次
熟悉 ALOHA / Mobile ALOHA 等开源硬件项目
AI 洞察
优缺点分析
优点
- 处于具身智能前沿，VLA 是当前最热门方向之一，技术稀缺性高，未来职业发展空间大
- vivo 作为大型手机厂商，资源丰富，有真实落地场景和硬件平台支持，研究与应用结合紧密
- 团队专注于端到端模型，能深度参与从数据到实体的全流程，技术积累深厚
- 需要跨学科知识（CV、NLP、机器人控制），学习曲线陡峭
- 适合对多模态大模型和机器人控制有浓厚兴趣，具备较强工程能力和研究热情，愿意在高速发展领域持续学习的算法工程师
缺点 / 挑战
- 具身智能领域仍处早期，模型推理延迟和泛化能力不足是主要瓶颈，研发难度大
- 大模型训练需要大量计算资源，且机械臂调试过程繁琐，工作强度可能较高
角色解读
- 技术专家路线：深入 VLA 和具身智能研究，发表顶会论文，成为领域权威
- 项目管理路线：主导大型项目，协调跨团队合作，转型为技术经理或团队 leader
- 创业或应用落地：将技术转化为产品，进入机器人创业公司或推动内部商业化
- 设计并训练 Vision-Language-Action 多模态大模型，使其能够理解视觉和语言指令并生成机器人动作
- 构建机器人操作数据集，包括真实环境数据采集和仿真数据生成，并进行清洗与配对
- 优化模型在长序列决策、空间感知和推理延迟方面的表现，提升控制精度和实时性
- 将模型部署到机械臂或人形机器人上进行闭环测试，完成抓取、操作等实际任务
- 扎实的深度学习基础：深入理解 Transformer、flow matching 等架构，熟悉多模态模型训练
- 编程与工程能力：精通 Python 和 PyTorch/JAX，熟悉分布式训练框架如 DeepSpeed
- 具身智能知识：掌握模仿学习和强化学习基本原理，了解经典工作如 RT-2、Aloha
- 机器人实践经验：有机械臂或人形机器人开发经验，了解运动学和路径规划
申请策略
- 申请前关注 vivo 在机器人和 AI 方面的公开成果（如官网、技术博客），面试时展示对业务的了解
- 准备一个端到端的项目案例，说明从数据到部署的完整流程，突出解决的技术难点
- 突出多模态模型训练经验，尤其是 VLA、LLM+ViT 相关项目，附上 GitHub 或论文链接
- 展示机器人实操经历，包括机械臂控制、仿真环境使用等，最好有视频或演示
- 强调顶会论文发表经历和竞赛名次，体现研究深度
- 若缺少机器人基础，可以快速学习刚体运动学、坐标变换，并通过 Isaac Sim 等仿真环境练习
- 补充分布式训练框架（DeepSpeed、Megatron）的实践，提升大规模模型训练效率
面试指南
- 项目介绍使用 STAR 法则：背景、任务、行动、结果，重点说明技术难点和你的贡献
- 对于模型优化问题，可以从模型压缩（量化、蒸馏）、推理加速（FlashAttention）、硬件适配（TensorRT）等多角度回答
- 对具身智能经典工作的评价，要体现对原理和局限性的理解，并举例改进方案
- 请详细介绍一下你负责过的 VLA 或多模态模型训练项目，包括架构设计和训练策略
- 如何处理 VLA 模型推理速度慢的问题？有哪些优化手段？
- 模仿学习和强化学习在机器人控制中的优缺点对比？在实际中如何选择？
- 如何构建高质量的机器人操作数据集？Sim-to-Real 迁移的关键挑战是什么？
- 你对 RT-2 和 OpenVLA 的架构有何理解？它们的局限性是什么？
职位点评
74
综合评分
前沿技术、高成长性、薪资竞争力强，但工作弹性较低。
更适合这类人
适合追求技术前沿和快速成长，愿意投入高强度工作的求职者。
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85
薪资福利
70中等
职位未明确薪资，但vivo作为大厂薪酬体系完善，预计处于市场水准，福利较好。
薪资信号未披露（AI估算：30K-55K/月）
成长发展
90较高
技术方向前沿（VLA），能接触最新多模态和具身智能研究，成长机会极佳。
技术前沿前沿/新兴技术
技术栈VLA、多模态大模型、Transformer、PyTorch、JAX、DeepSpeed、Megatron-LM、模仿学习、强化学习
业务类型ambiguous
工作生活
50较低
纯现场办公，未提及弹性工作，大厂研发强度可能较大。
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
85较高
具身智能是高速增长赛道，技术有社会价值（推动机器人智能化），但使命导向不明显。
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
Watch Jobs