具身数据算法工程师实习生

优缺点分析

角色解读

• 实习表现优秀可直接转正，提前锁定安克创新的正式校招offer
• 未来可向具身智能算法工程师、机器人控制算法专家方向发展，深入VLA/VLM核心研发
• 积累多模态大模型、仿真迁移、自动化标注等前沿技术经验，在AI+机器人赛道快速成长
• 你将参与机器人多模态大模型（VLA/VLM）的工程化落地，包括预训练、微调和训练加速
• 基于Isaac 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
• 研究模型scaling，探索数据、模型结构对不同本体构型的影响，推动长序列任务和技能泛化
• 开发自动化标注算法和多模态数据生成算法，提升数据质量和多样性
• 扎实的深度学习基础：熟悉Transformer、BERT、GPT、Diffusion等主流模型及预训练/微调流程
• 编程能力：熟练掌握C/C++、Python，熟悉PyTorch、ROS等框架
• 机器人相关经验：有机械臂/机械狗控制、视觉、感知、规划等算法设计与实践经验
• 加分项：熟悉开源VLA模型代码实现，有顶会论文或竞赛获奖经历

申请策略

• 面试前准备好一个你参与过的深度学习和机器人结合的项目，详细阐述技术细节和你的思考
• 了解安克创新在具身智能领域的产品方向，思考你的技术如何助力其ToC场景落地
• 突出你在Transformer、Diffusion等模型上的项目经验，尤其是预训练和微调的实际案例
• 强调机器人或相关领域的实践经验，如机械臂控制、视觉感知或仿真环境搭建
• 如果有论文或竞赛获奖，务必列出，并简要说明你的贡献和技术创新
• 展示你对开源VLA模型（如ACT、RT1、Diffusion Policy）的熟悉程度，最好附上代码链接或实验报告
• 深入研读几个主流VLA模型的论文和代码，尝试在本地或云环境进行调试和部署
• 学习Isaac Sim或类似仿真平台的基本使用，了解real2sim2real的迁移方法

面试指南

• 针对技术原理问题：先给出核心概念的定义，再结合项目经验说明实际应用中的考量和优化
• 针对项目经验问题：采用STAR法则（情境、任务、行动、结果），突出你的贡献和技术难点突破
• 针对开放性问题：先明确问题背景，再提出几种可能的解决方案，并分析各自的优劣
• 请详细解释Transformer的Self-Attention机制以及它在VLA模型中的作用
• 你如何设计一个从仿真到实机的迁移框架？有哪些常见挑战？
• 描述你在训练一个多模态大模型时遇到的训练不稳定或过拟合问题，你是如何解决的？
• 你对Diffusion Policy和ACT两种算法有什么理解？它们各自的优缺点是什么？
• 请谈谈你参与的一个机器人控制项目，你负责哪些部分，最终结果如何？