地平线
【地瓜机器人】具身智能算法工程师
【地瓜机器人】具身智能算法工程师
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
Mpc
Pytorch
Vla
Wbc
强化学习
模仿学习
值不值得投
75综合评分
综合评分 75
前沿技术、高成长、高挑战，适合追求技术突破的求职者。
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
该职位负责构建面向人形与移动操作本体的下一代 loco-manipulation 系统，涵盖全身运动控制、强化学习/模仿学习、数据采集与评测闭环，以及训练到部署的软硬协同
你将与团队一起突破模块拼接，实现统一的全身策略，推动具身智能在真实世界中的落地
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
深入理解运动控制 / 强化学习 / 模仿学习 / 操作策略中至少一类，熟悉全身 WBC / MPC、legged locomotion、manipulation policy（VLA 、WAM、ACT、Diffusion Policy等）的主流方法与开源实现
精通 PyTorch，具备从算法到可训练、可上真机代码的完整落地经验，能独立完成策略改动、消融与问题定位
熟悉机器人运动学 / 动力学、接触与平衡约束，具备仿真（Isaac / MuJoCo 等）到真机的调参与问题排查能力
具备良好工程素养（Python / C++），代码可读、可维护、可复现
有 Linux 环境下的实时控制、日志与协作开发经验
工作职责
Loco-manipulation 架构设计：探索全身运动控制、强化学习 / 模仿学习、Diffusion Policy / Flow Matching、VLA/VA/WAM 在移动操作中的统一，向统一的全身 loco-manipulation 策略演进
全身运控与策略闭环：设计可训练、可部署的全身控制与操作接口，包括状态估计、全身 MPC / WBC / RL 策略、操作原语与末端力控，对长时程、稀疏奖励、多地形与多任务迁移给出可复现的训练与真机方案
人形数据采集体系建设：构建覆盖遥操作、动作重定向、仿真增广与真机失败回放的 loco-manipulation 数据闭环，包括全身动作采集链路、时序对齐、接触与力标注、轨迹切片与质量控制
评测与数据飞轮：深度参与仿真与真机评测，建立高效反馈，用数据驱动运控与采集系统的下一轮优先级
训练到部署的软硬协同：面向真实机器人完成策略蒸馏、量化、控制频率与通信调度优化，与嵌入式 / 运控团队协作，把实验室能力落成可稳定演示、可迭代量产的 loco-manipulation 能力
优先资格
有 loco-manipulation、双臂协作或端到端全身策略的项目 / 准量产经验
有人形机器人全身运控开发经验（WBC / MPC / RL locomotion、全身协调、真机保护与落地）
有人形 / 全身数据采集链路的开发经验（遥操作、动捕重定向、外骨骼 / VR、数据对齐与质检流水线）
熟悉模型压缩、蒸馏、量化及真机高频控制部署
在 CV / ML / Robotics 顶会或期刊发表过论文
有无人车、无人机、四足 / 双臂 / 人形机器人竞赛或开源项目经验
同时具备「能做全身运控」与「能把采集闭环做成系统」的复合背景者优先
AI 洞察
优缺点分析
优点
- 公司已上市，平台稳定，资源丰富，有较好的发展前景
- 工作内容涵盖算法、数据、工程，能全面提升综合能力
- 技术难度高，需要扎实的理论基础和丰富的实践经验
- 工作强度可能较大，需要应对复杂的工程和算法问题
- 行业尚在早期，技术路线和产品化路径存在不确定性
- 适合对机器人技术有浓厚兴趣，具备扎实的算法和工程能力，并希望在具身智能领域深入发展的技术型人才
缺点 / 挑战
- 处于具身智能这一前沿赛道，技术挑战大，个人成长空间广阔
角色解读
- 从算法工程师成长为具身智能领域的专家，主导核心算法架构的设计与演进
- 向技术管理方向发展，带领团队负责完整的机器人系统研发
- 在行业前沿持续深耕，成为具身智能领域的领军人物
- 设计并实现人形机器人的全身运动控制与操作策略，如使用强化学习、模仿学习等方法
- 构建数据采集与处理闭环，包括遥操作、动捕、仿真增广等，为模型训练提供高质量数据
- 负责策略从仿真到真机的迁移与部署，包括模型蒸馏、量化、实时性优化等
- 参与仿真与真机评测体系，通过数据驱动的方式迭代算法和系统
- 扎实的机器人学基础，包括运动学、动力学、接触与平衡约束
- 精通强化学习、模仿学习或运动控制，熟悉 WBC/MPC、Diffusion Policy、VLA 等主流方法
- 熟练使用 PyTorch 进行算法开发，并具备从仿真到真机的落地经验
- 良好的工程能力，包括 C++、Linux 环境下的开发、调试与协作
申请策略
- 关注地平线在具身智能领域的战略布局和最新进展，在面试中展现对业务的了解
- 准备一个能体现你技术深度和工程能力的项目案例
- 突出在运动控制、强化学习或模仿学习方面的项目经验，尤其是人形机器人或相关领域
- 强调从算法到真机部署的完整落地经验，展示解决实际问题的能力
- 展示在数据采集、仿真、评测等环节的工程能力
- 如有相关顶会论文或开源项目，务必突出
- 深入学习 WBC/MPC、Diffusion Policy、VLA 等前沿算法
- 熟悉 Isaac、MuJoCo 等仿真环境，并练习仿真到真机的迁移
面试指南
- 回答项目经验时，采用 STAR 法则，突出背景、任务、行动和结果
- 回答算法设计问题时，先阐述核心思路，再说明具体实现和权衡
- 回答工程问题，强调系统性思维和解决实际问题的能力
- 请详细介绍一下你过去在运动控制或强化学习方面的项目经验
- 如何设计一个全身运动控制策略，使其在行走、蹲起、转身等动作中保持平衡？
- 在仿真到真机迁移中，你遇到过哪些挑战？如何解决？
- 如何构建一个高效的人形数据采集系统？
- 谈谈你对 VLA 模型在机器人操作中应用的理解
职位点评
薪资福利80
成长发展90
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，公司已上市，稳定性好，但具体福利待遇未在 JD 中明确。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
90较高
该职位处于具身智能前沿，技术挑战大，能快速提升个人能力，且公司平台大，发展空间广阔。
技术前沿前沿/新兴技术
技术栈强化学习、模仿学习、WBC、MPC、Diffusion Policy、VLA、Isaac、MuJoCo
业务类型profit_center
工作生活
40较低
该职位为现场办公，且工作强度可能较大，但未在 JD 中明确说明。
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
该职位致力于推动具身智能技术发展，具有较高的社会价值和行业前景。
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