安克创新
具身智能操作规划算法工程师
具身智能操作规划算法工程师
发布于 4 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
Pytorch
世界模型
具身智能
多模态理解
强化学习
值不值得投
77综合评分
综合评分 77
上市企业前沿具身智能算法岗，技术栈顶尖、发展空间大，薪资具竞争力但WLB未明确。
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
4万
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 8 个
市场机会
选择适中
深圳 · 具身智能 · 16 个在招
职位详情
关于这个职位
该职位主要负责具身智能机器人的操作规划算法研发，将多模态感知与用户指令转化为可执行的长时序任务
你需要设计分层模型协同机制，处理执行反馈与失败恢复，并推动算法在真实机器人上的闭环验证
最低要求
计算机、人工智能、机器人、自动化等相关专业，硕士及以上学历，或具备同等研究与工程能力
具备扎实的机器学习与深度学习基础，熟练使用 Python、PyTorch，能够独立完成模型训练、评测、问题分析与迭代
在以下至少一个方向有深入研究或项目经验：多模态理解、视觉语言推理、机器人任务规划、分层策略学习、序列决策或世界模型
理解机器人操作任务的基本特点，能够将语义层面的目标转化为可执行、可验证的子目标，并考虑感知误差与执行不确定性
具备数据驱动的问题分析能力，能够区分感知理解、任务规划与底层执行造成的失败，并设计针对性的实验
能够独立阅读和复现相关领域论文，具备良好的工程实现能力和跨团队协作能力
工作职责
任务与场景理解：融合视觉、语言及机器人状态，研究物体属性、空间关系、可操作性与任务约束的表征，建立面向操作的场景理解能力
长时序任务推理与规划：将用户指令转化为可执行的子任务与阶段目标，处理步骤依赖、前置条件及环境变化，支持多步骤任务的持续执行
分层模型协同：设计上层认知模型与底层操作策略之间的接口，研究子目标表达、技能选择、参数传递与调用时机，实现不同决策频率下的协同
执行反馈与失败恢复：结合连续观测和执行历史，判断任务进度、子目标完成情况及失败原因，形成重规划、重试与恢复机制
真机验证与迭代：建立长程任务评测体系，与操作策略、数据和机器人系统团队协作，推动算法在真实机器人上完成闭环验证
优先资格
有长时序操作、双臂协作、灵巧操作或家庭场景机器人项目经验
有基于操作视频的任务阶段识别、动作理解、时序表征或过程监督经验
有视觉语言模型训练、微调及机器人部署经验
有层级强化学习、技能学习、目标条件策略或基于世界模型的规划经验
有任务记忆、执行监控、失败诊断与自主恢复相关研究经验
有高质量论文、开源项目，或完成过真实机器人上的复杂任务闭环
AI 洞察
优缺点分析
优点
- 身处具身智能这一极具前景的高速增长赛道，技术栈前沿，能接触到多模态大模型与机器人控制的交叉领域
- 依托企业丰富的硬件资源与研发平台，算法能够直接在真实机器人上进行闭环验证，避免纯理论研究的局限
- 算法在真机上的验证受限于硬件状态、感知误差等物理因素，调试和排错周期可能较长，需要较强的耐心与工程落地能力
- 对机器人和人工智能有浓厚兴趣，具备扎实算法基础且渴望在具身智能前沿领域深耕的技术人才
缺点 / 挑战
- 岗位职责清晰且极具挑战性，涵盖从场景理解、任务规划到失败恢复的完整链路，利于构建系统性技术能力
- 具身智能领域技术迭代极快，需要持续阅读顶会论文并跟进最新研究，学习压力较大
角色解读
- 在具身智能这一前沿领域深耕，成长为机器人操作规划方向的算法专家
- 向具身智能系统架构师或技术负责人方向发展，主导复杂机器人系统的端到端算法落地
- 负责具身智能机器人的操作规划算法研发，将多模态感知与用户指令转化为可执行的长时序任务
- 设计上层认知模型与底层操作策略的协同接口，处理执行反馈与失败恢复机制
- 建立长程任务评测体系，推动算法在真实机器人硬件上的闭环验证与迭代
- 扎实的机器学习与深度学习基础，熟练使用Python和PyTorch进行模型训练与评测
- 在多模态理解、视觉语言推理、机器人任务规划或世界模型等至少一个方向有深入研究
- 具备数据驱动的问题分析能力，能区分感知、规划与执行层面的失败原因并设计实验
申请策略
- 在求职信中表达对具身智能领域的长期热情，并简述自己对长时序任务推理或失败恢复机制的理解
- 突出在多模态理解、视觉语言推理或机器人任务规划等方向的具体项目经验与研究成果
- 强调使用PyTorch独立完成模型训练、评测及问题分析的工程能力，以及论文复现经验
- 若有真实机器人部署经验、高质量论文发表或开源项目贡献，务必在简历中重点展示
- 提前熟悉层级强化学习、技能学习或基于世界模型的规划等进阶技术，拓宽技术视野
- 了解双臂协作、灵巧操作或家庭场景机器人的实际痛点，培养从语义目标到可执行子目标的转化思维
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出你在算法设计、实验验证和真机部署中的具体贡献
- 对于系统设计类问题，先阐述整体架构思路，再深入关键模块（如状态表征、接口设计、反馈机制）的实现细节，最后结合物理世界的局限性（如感知误差）讨论鲁棒性方案
- 请详细介绍你在多模态理解或机器人任务规划方向的一个核心项目，遇到了哪些技术难点以及如何解决的？
- 如何将用户的自然语言指令转化为机器人可执行的多步骤子任务？如何处理步骤依赖和环境变化？
- 在真机验证中，如果机器人执行失败，你如何区分是感知理解、任务规划还是底层执行造成的问题？
- 请谈谈你对分层模型协同的理解，如何设计上层认知模型与底层操作策略之间的接口？
- 复习具身智能、机器人任务规划、强化学习及多模态大模型相关的经典论文与最新顶会进展
- 准备1-2个自己主导的、包含真机验证或复杂仿真环境测试的完整项目案例，梳理其中的技术细节与踩坑经验
职位点评
薪资福利80
成长发展90
工作生活50
使命价值85
薪资福利
80较高
该岗位对算法能力与学历要求较高，结合深圳地域市场水平，薪资具备较强竞争力，但JD中未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
岗位聚焦具身智能前沿技术，涉及多模态大模型与机器人控制的交叉领域，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈多模态理解、视觉语言推理、机器人任务规划、分层策略学习、序列决策、世界模型、强化学习
业务类型ambiguous
工作生活
50较低
JD中未提及任何关于工作模式、弹性工时或加班情况的信息，工作生活平衡状态无法判断。
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
85较高
具身智能是推动AI走向物理世界的关键领域，具有极高的社会价值与行业前景，能带来强烈的技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs