具身数据算法工程师 （博士）

优缺点分析

角色解读

• 短期内可深入掌握具身智能VLA算法全链路，成为该领域的专家
• 中期可向技术主管或架构师方向发展，主导机器人算法平台的设计与优化
• 长期可转向高级研究员或首席科学家，推动前沿技术突破，或横向扩展到自动驾驶、通用AI等领域
• 负责机器人多模态大模型的预训练、微调和训练加速，确保算法在真实场景中的高效运行
• 使用Issac Sim搭建仿真环境，设计real2sim2real迁移框架，加速算法从仿真到实机的验证
• 研发具身智能算法，针对不同机器人构型优化数据配比和网络结构，实现长序列任务泛化
• 开发自动化标注和多模态数据生成算法，提升数据质量和多样性，降低人工标注成本
• 精通Transformer、BERT、GPT等深度学习模型，熟悉预训练与微调流程
• 熟练掌握C/C++、Python，具备ROS/ROS2和PyTorch/TensorFlow的实际开发经验
• 有机械臂或机械狗的感知、规划、控制等算法实践，了解VLA（如ACT、Diffusion Policy）者优先
• 具备较强的工程落地能力，能独立搭建仿真环境并进行实机调试

申请策略

• 准备一份技术自述，清晰表达对VLA技术路线的理解和个人见解，可在面试中展示
• 关注安克创新在消费机器人领域的产品方向（如智能家居），思考如何将算法与具体场景结合
• 重点突出在机器人/自动驾驶/计算机视觉领域的算法研究经历，特别是与感知、规划、控制相关的项目
• 强调Transformer、预训练/微调、VLA相关的研究成果，如有论文或开源贡献务必列出
• 展示工程能力：C++/Python、ROS、深度学习框架的使用经验，以及仿真搭建或实机调试的案例
• 如有竞赛获奖或顶会论文，应在显眼位置标注
• 若对VLA（如ACT、Diffusion Policy）不熟悉，建议快速阅读相关论文并尝试复现
• 提前熟悉Issac Sim仿真平台，练习搭建简单的机器人操作仿真环境

面试指南

• 对于项目介绍问题，采用STAR法则（情境、任务、行动、结果），突出算法创新和工程落地细节
• 对于技术观点问题，先简述现有方法，再提出自己的分析（优点、局限），最后给出改进方向或实际经验
• 对于设计类问题，先明确任务目标，分步阐述数据、模型、仿真、迁移的关键步骤，并说明理由
• 请详细介绍一下你参与过的具身智能或机器人项目，你在其中负责的算法模块及效果
• 你如何理解VLM与VLA的区别？在训练VLA时，数据配比和网络结构设计有哪些关键考量？
• 请设计一个从仿真到实机的迁移方案，你会如何解决sim-to-real的差距？
• 你对当前主流VLA算法（如ACT、Diffusion Policy）的优缺点有何看法？
• 给定一个长序列操作任务（如叠衣服），你会如何分解和设计算法？