地平线
【地瓜机器人】具身世界模型算法工程师
【地瓜机器人】具身世界模型算法工程师
发布于 大约 15 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
Ai Infra
Deepspeed
Diffusion
Pytorch
Tensorrt
Vla
World Model
具身智能
分布式训练
值不值得投
76综合评分
综合评分 76
前沿技术、高成长性、薪资优厚，但工作强度大。
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
55K
比具身智能中位数高
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 440 个在招 · 其中具身智能 13 个
市场机会
选择适中
北京 · 具身智能 · 44 个在招
职位详情
关于这个职位
作为具身世界模型算法工程师，你将专注于构建以世界模型为核心的具身智能系统，打通感知、预测、规划与执行链路
工作涉及模型架构设计、算法闭环、AI Infra 建设及软硬协同部署，是推动机器人智能上限和产品落地的关键角色
你将与顶尖团队合作，探索视频生成、VLA等前沿技术，并参与从训练到部署的全流程
最低要求
硕士及以上学历，计算机、人工智能、自动化、机器人等相关专业
深入理解 World Model / 生成式模型 / 时序建模中至少一类，熟悉 Dreamer、JEPA、DiT、Flow Matching、VLA 等方向的主流方法与开源实现
精通 PyTorch，具备从论文到可训练代码的完整落地经验，能独立完成模型改动、消融与问题定位
精通 AI Infra 开发：熟悉分布式训练（DeepSpeed / FSDP / Megatron 等至少一种）、数据流水线、实验追踪与推理服务
能定位吞吐、显存、通信与 I/O 瓶颈并给出工程解
具备良好工程素养（Python / C++），代码可读、可维护、可复现
有 Linux 环境下的性能分析与协作开发经验
工作职责
探索视频生成、隐空间动力学、Flow Matching / Diffusion、VLA 与可学习记忆在具身场景的迁移与统一，突破「开环模仿 + 事后补丁」范式，让模型具备对接触、遮挡、失败与长尾物理的预测与反事实推理能力
设计可训练、可扩展的世界模型与策略接口：表征学习、滚动预测、规划（MPC / 采样 / 价值引导）、与 VLA 的联合训练，对长时程、稀疏奖励、多机多任务迁移给出可复现的训练方案
建设具身智能训练与推理基础设施：多模态数据湖、轨迹与视频的对齐与切片、分布式训练（多机多卡、混合精度、容错与弹性）、仿真—真机数据回流、评测与实验管理系统
深度参与仿真与真机评测体系：预测误差、规划成功率、接触稳定性、长尾场景覆盖率，在仿真闭环、遥操作数据与真机失败 case 之间建立高效反馈
面向边缘与站端算力完成世界模型的蒸馏、量化、编译与调度，与嵌入式 / 编译器团队协作，在真实时延、功耗与内存约束下兼顾预测质量与控制频率
优先资格
有世界模型、视频预测、机器人操作或端到端策略的项目开发经验
主导或深度参与过大规模训练集群、数据闭环平台、仿真评测平台中的任一 Infra 系统
熟悉模型压缩、蒸馏、量化、编译栈（ONNX / TensorRT / 自研 BPU 工具链等）及真机部署
在 CV / ML / Robotics / 系统顶会或期刊发表过论文
有四足 / 双臂 / 人形机器人竞赛或开源项目经验
同时具备「能改模型」与「能扛训练集群」的复合背景者优先
AI 洞察
优缺点分析
优点
- 公司为上市大厂，平台稳定，资源丰富，有完善的研发体系
- 岗位职责覆盖算法与Infra，能培养复合型能力，提升综合竞争力
- 团队氛围好，与顶尖人才合作，有机会发表高水平论文
- 技术难度高，需要同时掌握模型算法和AI Infra，学习曲线陡峭
- 工作强度可能较大，需要应对快速迭代和复杂问题
- 对复合背景要求高，需要持续学习，保持技术前沿
缺点 / 挑战
- 前沿技术领域，涉及世界模型、VLA等，技术挑战大，成长空间广阔
- 适合对具身智能和世界模型有浓厚兴趣，具备扎实算法功底和工程能力，并愿意挑战高难度的求职者
角色解读
- 在技术深度上，可成为世界模型或具身智能领域的专家，主导核心算法方向
- 在项目广度上，可向技术管理方向发展，带领团队负责整体算法与基础设施
- 在行业前景上，具身智能是未来AI的重要方向，可向机器人、自动驾驶等领域拓展
- 设计并实现具身智能的世界模型架构，探索视频生成、隐空间动力学等前沿技术在机器人领域的应用
- 负责模型与算法的闭环，包括表征学习、滚动预测、规划与VLA的联合训练，并优化训练方案
- 构建和优化AI训练与推理基础设施，包括数据湖、分布式训练、仿真与真机数据回流系统
- 参与模型从训练到部署的软硬协同，进行模型蒸馏、量化与编译，确保在边缘设备上的性能
- 深入理解World Model、生成式模型或时序建模，熟悉Dreamer、JEPA、DiT、Flow Matching、VLA等主流方法
- 精通PyTorch，具备从论文到可训练代码的落地经验，能独立完成模型改动与问题定位
- 精通AI Infra开发，熟悉分布式训练框架（如DeepSpeed、FSDP、Megatron），具备性能瓶颈定位能力
- 具备良好的工程素养，精通Python/C++，有Linux环境下的开发与协作经验
申请策略
- 在申请时，强调你对具身智能和世界模型的热情，并展示你对公司技术方向的理解
- 准备好展示你如何将算法落地到实际系统的项目案例
- 突出世界模型、生成式模型或时序建模的项目经验，并详细描述模型设计与实现过程
- 强调AI Infra相关经验，如分布式训练、数据流水线、性能优化等，并展示具体成果
- 展示PyTorch等框架的熟练度，以及从论文到代码的落地能力
- 如有机器人、VLA或相关竞赛经验，务必重点突出
- 系统学习世界模型、Diffusion、VLA等前沿技术，并动手实践
- 深入掌握分布式训练框架（如DeepSpeed、FSDP），了解其原理与调优
面试指南
- 回答技术问题时，可采用STAR法则，清晰描述背景、任务、行动和结果
- 对于系统设计问题，先明确需求，再给出架构设计，并讨论权衡
- 对于开放性问题，结合你的知识，展现你的思考深度和逻辑性
- 请详细介绍一下你参与过的世界模型或生成式模型项目，以及你的具体贡献
- 如何设计一个可扩展的分布式训练系统？请谈谈你的思路
- 在模型部署时，如何平衡模型性能与推理速度？
- 你对世界模型在具身智能中的应用有何理解？请谈谈你的看法
- 请描述一次你解决复杂技术问题的经历
职位点评
薪资福利80
成长发展95
工作生活40
使命价值85
薪资福利
80较高
该职位薪资水平较高，作为上市大厂的核心技术岗，薪酬福利具有竞争力。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
该职位处于具身智能前沿领域，技术挑战大，能提供极佳的个人成长机会。
技术前沿前沿/新兴技术
技术栈World Model、Diffusion、VLA、PyTorch、DeepSpeed、TensorRT
业务类型profit_center
工作生活
40较低
该岗位要求高强度投入，工作地点为北京，可能面临较大工作压力。
工作模式仅现场办公
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
该职位致力于推动机器人智能发展，具有较高的社会价值，行业前景广阔。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs