Lenovo logo
联想
机器人具身智能研究

机器人具身智能研究

发布于 大约 2 小时前

普通员工/个人贡献者

上海市
无经验要求
全职员工
仅现场办公
学历未注明
机器学习工程
Sim2Real
多模态大模型
强化学习
机器人
模仿学习
深度学习

AI 估算 · 20k–30k

上海大厂AI算法岗,校招硕士薪酬区间20-30k,含年终奖14薪。

职位详情

关于这个职位

该职位聚焦机器人具身智能研究,涉及深度学习、强化学习、模仿学习与多模态大模型在足式/移动机器人上的应用

你将参与感知、控制、导航与决策模型的开发,并将算法部署到真实机器人上,推动Sim2Real落地
工作内容包括算法设计、仿真验证、系统优化及跨团队协作,适合对AI与机器人结合有浓厚兴趣的应届毕业生

最低要求

毕业时间为2026年9月2027年8月的海内外应届毕业生,计算机科学、自动化、机器人工程、控制工程、人工智能或相关专业

熟练掌握Python、C++编程语言,熟悉模仿学习、强化学习理论及主流算法(如PPO、DQN、SAC等)
对机器人具身智能有浓厚兴趣,具备较强的学习能力与动手实践能力,能够快速掌握新技术
具备良好的团队协作精神,能够高效参与跨领域协作项目,推动技术从研究到落地的闭环流程

工作职责

跟踪并研究深度学习、强化学习、模仿学习、多模态大模型等前沿算法,开发适用于足式/移动机器人的高效运动控制、感知、导航与任务决策模型

研究并工程实现适用于真实机器人部署的感知、控制、导航、操作等算法,解决高效训练、实时计算等问题
探索并应用大模型(如LLM、VLM等)与机器人系统结合,实现自然语言交互、任务理解、Agent规划等智能行为
负责算法的完整研发流程,包括方案设计、代码实现、仿真验证、性能评估与系统优化,推进Sim2Real技术的落地,确保算法在实际部署中的泛化性、稳定性与鲁棒性
参与跨团队协作,与平台、硬件、后端等团队紧密配合,共同推动具身智能算法从研发走向产品化

优先资格

具备Sim2Real研究经验者优先,熟悉仿真环境搭建与真实场景验证流程

具有机器人开发或相关项目经验者优先,能够独立完成算法设计与实现

AI 洞察

优缺点分析

优点

  • 前沿技术方向,涉及具身智能、大模型等热门领域,技能提升快
  • 联想作为大厂,平台资源丰富,有成熟的研发流程
  • 工作内容从研究到落地,能积累完整的项目经验
  • 具身智能处于早期,技术难度大,可能面临不确定性
  • 工作地点固定在上海,可能需要适应高强度工作

缺点 / 挑战

  • 研究岗对算法深度和工程能力要求高,压力较大
  • 适合对机器人AI有强烈兴趣、能接受挑战、追求技术成长的应届生

角色解读

  • 从算法研究逐步深入具身智能领域,成为机器人AI专家
  • 可能向技术专家或研发管理方向发展,负责更复杂的系统
  • 随着具身智能行业兴起,可积累稀缺经验,职业前景广阔
  • 研究深度学习、强化学习、模仿学习等前沿算法,并应用于足式/移动机器人的运动控制、感知和导航
  • 将算法工程化为真实机器人可部署的模块,解决实时计算和高效训练问题
  • 探索大模型(如LLM、VLM)与机器人结合,实现自然语言交互和智能规划
  • 参与算法从设计、仿真到真实部署的全流程,并跨团队协作推动产品化
  • 扎实的编程功底,熟练使用Python和C++
  • 熟悉强化学习理论及主流算法(如PPO、DQN、SAC),了解模仿学习
  • 有Sim2Real研究经验者优先,熟悉仿真环境与真实场景验证
  • 对机器人具身智能有浓厚兴趣,学习能力强

申请策略

  • 在简历中明确表达对具身智能的热情,体现技术深度
  • 准备一个能展示你算法研究和工程能力的项目案例
  • 突出AI/机器人相关项目经验,如机器人控制、SLAM、强化学习等
  • 展示编程能力,尤其是Python/C++的项目实现
  • 如果有Sim2Real或仿真经验,务必重点强调
  • 体现跨团队协作和创新研究能力
  • 提前学习强化学习经典算法,并动手复现一些论文
  • 熟悉至少一种机器人仿真环境(如MuJoCo、Isaac Gym)

面试指南

  • 描述项目时,按背景-方法-结果结构,突出个人贡献和难点解决
  • 对于算法问题,回答时先讲原理,再结合实践案例
  • 对于开放性问题,可以给出逻辑清晰的思路,体现系统思考能力
  • 请介绍你做过的一个强化学习项目,如何设计奖励函数?
  • 你如何理解Sim2Real的挑战?有哪些解决思路?
  • 在机器人控制中,PPO和SAC有什么区别,如何选择?
  • 大模型如何赋能机器人任务决策?
  • 如果机器人部署后性能下降,你会如何排查?

职位点评

70
综合评分

上海大厂,前沿具身智能研究,技术成长快,但薪资未明、WLB未知。

从起薪待遇、成长路径、工作节奏和岗位方向综合评估,方便比较职业起点。

更适合这类人
该职位最适合追求技术成长和前沿研究,对薪资福利和WLB要求不高的求职者。
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75

薪资福利

65中等

该职位未在JD中提及具体薪资福利,但公司为上市大厂,预计提供有竞争力的薪酬和福利,但缺乏明确信息,补偿性体验中等。

薪资信号未披露(AI估算:20K-30K/月)

成长发展

85较高

该职位涉及具身智能前沿技术,提供算法研究到落地全流程的机会,技能成长空间巨大。

技术前沿前沿/新兴技术
技术栈深度学习、强化学习、模仿学习、多模态大模型、LLM、VLM、Sim2Real
业务类型ambiguous

工作生活

50较低

职位未提及弹性办公或远程政策,工作地点固定在上海,工作强度未知,生活化体验一般。

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

75中等

具身智能是未来AI重要方向,有较强的行业前景和技术使命感,但社会影响中性。

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