地平线
具身通用操作算法实习生（VLA 方向）
具身通用操作算法实习生（VLA 方向）
发布于 大约 7 小时前实习/见习
实习生仅现场办公具身智能
具身智能
In-Context Learning
Pytorch
Vla
具身智能
思维链
机器人操作
深度学习
记忆机制
值不值得投
79综合评分
综合评分 79
技术前沿、成长性强、薪资未明的顶尖学术型实习机会
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
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 410 个在招 · 其中具身智能 16 个
市场机会
选择面较广
北京 · 具身智能 · 53 个在招
职位详情
关于这个职位
该职位是具身智能方向的算法实习生，主要参与机器人操作任务中VLA模型的研发与优化
你需要研究记忆机制、思维链与层级推理，以提升模型在复杂长程任务中的泛化能力和成功率
工作涉及从算法研究到真机部署的全流程，探索如何让机器人更智能地理解并执行任务
最低要求
硕士及以上在读，计算机、人工智能、自动化、机器人、电子信息、数学等相关专业优先
熟悉深度学习和多模态模型基础，对 Transformer、注意力机制、视觉语言模型或生成式模型有较深入理解
具备以下至少一个方向的研究或项目经验：VLA、机器人模仿学习、世界模型、视频预测、多模态大模型、具身 Agent、长上下文建模
熟悉行为克隆、动作序列建模、Action Chunking、扩散模型、Flow Matching 或自回归策略中的至少一种技术路线
对记忆机制、思维链、In-Context Learning、Token 压缩中的至少一个方向有深入理解或实践经验，并能够将相关方法迁移到机器人决策与操作场景
熟练使用 Python、PyTorch 和 Linux，具备良好的模型训练、调试、实验设计和结果分析能力
有分布式训练经验者优先
具备良好的数学和算法基础，理解线性代数、概率统计、优化方法及深度学习基本原理
具备较强的论文阅读、算法复现和独立研究能力，能够持续跟进具身智能、多模态大模型和世界模型等方向的前沿进展
工作职责
参与具身智能 VLA（Vision-Language-Action）/ WAM（World Action Model）模型的研发与优化，围绕机器人操作任务开展多模态表征、动作生成、策略学习、模型训练及评测工作，提升模型在复杂场景中的泛化能力与任务成功率
面向复杂机器人任务，研究工作记忆、情景记忆和语义记忆等机制，探索历史信息存储、检索、更新与遗忘策略，提升模型对任务进度、环境变化和历史交互的持续理解能力
探索适用于机器人操作的思维链与层级推理机制，包括任务分解、子目标生成、空间与动作推理、失败归因、反思纠错等，增强模型完成复杂长程任务的能力
研究具身智能中的 In-Context Learning，通过示范轨迹检索、上下文构造、多任务提示和少样本适应，使模型能够基于少量示例快速理解新任务、新物体和新环境
研究视觉、语言、历史状态和动作序列的 Token 压缩方法，包括 Token 剪枝、合并、聚合、重采样和 KV Cache 压缩等，在尽量保留任务关键信息的同时降低长上下文训练与推理成本
参与机器人数据处理、模型预训练与微调、消融实验、基准评测及真机部署，分析模型在感知、推理、规划和执行环节的主要瓶颈，并推动算法在真实机器人系统中落地
优先资格
有 VLA、WAM、机器人基础模型或长程操作任务相关论文、项目或实习经历
熟悉动作条件世界模型、视频生成模型、模型预测控制、强化学习或离线强化学习，并具有相关实践经验
有长上下文建模、视觉 Token 压缩、KV Cache 优化、稀疏注意力或高效推理相关经验
有真实机械臂、灵巧手、移动操作机器人或仿真平台的开发经验，熟悉机器人数据采集、遥操作、策略部署与闭环评测流程
有多任务、多机器人或跨场景数据处理经验，熟悉机器人轨迹数据清洗、自动标注、数据混合及训练采样策略
在相关领域发表过高质量论文，或有高水平竞赛、开源项目及完整算法落地经验
AI 洞察
优缺点分析
优点
- 技术方向非常前沿，处于具身智能与AI的交叉领域，能接触行业最新研究动态
- 提供充足的硬件（机械臂、灵巧手）和GPU资源，支持从仿真到真机的完整实验闭环
- 有机会深度参与从研究到落地的全流程，产出论文、专利等高价值成果，对个人简历增益显著
- 技术难度高，需要同时理解多模态AI、机器人学和系统工程，对学习能力和问题解决能力要求极高
- 研究问题开放性强，需要较强的独立探索和创新能力，可能面临较长的试错周期
- 对人工智能与机器人交叉领域有浓厚兴趣，具备较强科研能力、编程功底和自驱力，渴望在前沿技术领域深度实践并追求成果产出的硕士或博士在读生
缺点 / 挑战
- 作为实习生，需要在有限时间内快速融入团队并产出成果，平衡好学习和贡献压力
角色解读
- 深度参与前沿研究，积累在具身智能、多模态大模型等领域的核心技能与论文、专利产出
- 成长为能独立负责特定算法模块（如记忆机制、动作策略）研发的算法工程师或研究员
- 未来可向机器人感知-决策-控制全栈算法专家或研发团队技术负责人方向发展
- 研发和优化机器人操作任务中的VLA（视觉-语言-动作）模型，提升其泛化能力
- 研究记忆机制（工作、情景、语义记忆）和推理机制（思维链、层级推理），以支持复杂长程任务
- 探索In-Context Learning与Token压缩技术，实现模型对新任务的快速适应并降低计算成本
- 参与从数据处理、模型训练到真机部署的全栈算法落地流程，解决实际瓶颈
- 深入理解Transformer、注意力机制等深度学习基础，并对视觉语言模型或生成式模型有研究
- 具备VLA、机器人模仿学习、世界模型等至少一个相关方向的科研或项目经验
- 熟练使用Python、PyTorch进行模型开发与实验，具备良好的工程和调试能力
- 拥有扎实的数学基础（线性代数、概率论）和独立研究、论文阅读复现的能力
申请策略
- 在申请材料或面试中，清晰阐述你对“机器人操作中记忆与推理”这一核心挑战的理解和思考
- 主动了解地平线在自动驾驶和机器人方面的技术布局与开源项目，展现你的兴趣和准备度
- 突出与VLA、世界模型、模仿学习、Transformer应用等直接相关的研究项目经历，描述具体问题、方法和成果
- 强调在PyTorch、分布式训练、机器人仿真/实验方面的工程实践经验，附上GitHub或论文链接
- 详细说明论文阅读与复现能力，以及对某个前沿技术（如记忆机制、Token压缩）的深入理解
- 系统学习VLA、WAM等具身智能最新论文，理解其技术路线和实验设计
- 动手复现1-2篇相关顶会论文的代码，熟悉模型训练、评估和真机部署的流程
- 加强机器人学基础，了解机械臂运动学、控制及数据采集的基本概念
面试指南
- 技术理解类问题：先阐述核心概念和原理，再结合具体场景（如机器人抓取）说明其价值和挑战，最后可提及当前研究进展或自己的思考
- 项目经验类问题：使用STAR法则（情境、任务、行动、结果），重点描述你的技术选型、实现细节和最终量化/定性成果
- 开放设计类问题：从问题定义（目标、约束）、核心模块（如感知、记忆、决策）、技术选型（算法、数据）和评估方法几个维度结构化展开
- 请介绍你对VLA（Vision-Language-Action）模型的理解，它与传统机器人控制方法有何不同？
- 你简历中提到了XXX经验，能否详细描述一个你如何解决具体技术难题的案例？
- 如果让你设计一个用于机械臂抓取任务的“工作记忆”模块，你会考虑哪些关键因素？
- 你如何评估一个具身智能模型在复杂任务中的性能？可能会遇到哪些评测挑战？
- 你如何看待当前具身智能领域数据稀缺的问题？有哪些可能的解决思路？
职位点评
薪资福利55
成长发展95
工作生活65
使命价值90
薪资福利
55较低
该职位为实习岗位，JD未披露任何薪资信息或传统福利（如五险一金、年终奖），补偿性激励主要体现在提供的硬件资源和成果产出机会上。
薪资信号未披露
成长发展
95较高
这是该职位的核心优势，提供了接触前沿技术（VLA/WAM）、全栈研发流程、充足软硬件资源以及高水平成果产出机会，发展性极强。
技术前沿前沿/新兴技术
技术栈VLA、WAM、Transformer、Token压缩、In-Context Learning、PyTorch
成长机会深度参与核心方向的研究和工程实践、全栈研发流程、获得论文、专利及开源成果产出的机会
业务类型profit_center
工作生活
65中等
JD未明确工作模式，但作为需要使用硬件设备的实习岗位，大概率需要现场办公。未提及任何关于工作生活平衡的信号。
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
90较高
岗位处于具身智能这一探索性极强的新兴领域，致力于解决机器人与物理世界交互的根本性问题，具有较高的创新价值和技术开拓意义。
行业发展新兴领域（暂难判断）
社会影响中性/一般
使命信号探索具身智能前沿问题
创新程度开拓性创新（行业首创）
Watch Jobs