智元机器人
优才-具身算法工程师（WAM）-通用业务部
优才-具身算法工程师（WAM）-通用业务部
发布于 大约 10 小时前普通员工/个人贡献者
上海市
其它
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
Act
Diffusion Model
Dit
Pytorch
Vla
Wam
模仿学习
Flow-Based Model
AI 估算 · 25k–45k
上海AI算法岗位市场行情较高，且公司处于B轮融资快速发展阶段，结合具身智能稀缺方向，预估薪资具竞争力。
职位详情
关于这个职位
该职位专注于具身智能领域的算法研发，包括世界动作模型（WAM）的设计、训练与部署
你将参与从数据采集到真机落地的全流程，跟踪前沿技术如VLA和模仿学习，适合对机器人具身智能有浓厚兴趣的算法工程师
最低要求
机器人、计算机、人工智能、自动化等相关专业优先
具备扎实的编程能力和工程实现能力，熟悉 PyTorch 等深度学习框架
对深度学习基础模型结构、模仿学习方法有较好的理解
掌握以下基础内容：
基本深度学习知识，如Transformer, DiT等模型架构
基本现代生成模型知识，如Diffusion Model, Flow-Based Model等
基本模仿学习知识，如ACT, Diffusion Policy等
熟悉具身智能算法方向的前沿进展，了解VLA、WAM、机器人基座模型的最新相关工作
尤其是：
主流的VLA模型，如Pi系列，gr00t系列等
主流的WAM模型，如DreamZero，Lingbot-VA, FastWAM等
工作职责
参与机器人数据采集规划，包括任务设计与质量分析，为下游模型训练提供高质量、多样化数据支持
跟踪具身智能、机器人学习、VLA/WAM 等方向的前沿进展，调研并分析最新研究工作
参与世界动作模型（World Action Model, WAM）的算法创新、模型结构设计与训练优化
参与模型在真实机器人平台上的部署、调试与性能评估，推动算法从仿真/离线训练走向真实场景应用
优先资格
对 VLA/WAM 算法设计有深入思考或独到见解者优先
具备 VLA、WAM、模仿学习、机器人学习等相关项目经验，或有真机部署经验者优先
在机器人或人工智能顶级期刊/会议，如 RA-L、ICRA、ICLR、NeurIPS、RSS 等发表过相关论文者优先
AI 洞察
优缺点分析
优点
- 聚焦具身智能前沿方向（VLA/WAM），技术成长空间大，积累稀缺经验
- 公司处于B轮融资阶段，发展迅速，算法成果落地场景明确
- 有机会参与从数据到真机的全链路研发，综合能力提升快
- 机器人算法调试周期长，真机部署环节可能出现意外问题，需要耐心和问题定位能力
- 岗位对综合能力要求高，既要懂算法也要有工程实现能力
- 适合对具身智能有强烈热情、具备扎实深度学习基础且善于动手实践的算法工程师
缺点 / 挑战
- 技术难度高，需持续跟踪最新论文并快速理解复现，学习压力大
角色解读
- 从算法研究员成长为具身智能领域的专家，主导核心模型的设计与迭代
- 横向拓展至机器人其他方向如感知、规划，或纵向晋升为技术团队负责人
- 依托公司发展，有机会参与前沿产品落地，积累行业影响力并向技术管理方向发展
- 规划机器人数据采集任务，设计任务并分析数据质量，确保训练数据的高质量与多样性
- 跟踪具身智能前沿研究，重点调研VLA、WAM等模型的最新进展，推动算法创新
- 参与世界动作模型（WAM）的架构设计与训练优化，并在真实机器人平台上部署调试
- 扎实的编程能力，熟练使用PyTorch等深度学习框架，能够快速实现和调试模型
- 深入理解Transformer、DiT等基础模型结构，掌握Diffusion Model、Flow-Based Model等生成模型
- 熟悉模仿学习方法（如ACT、Diffusion Policy），了解VLA和WAM的主流模型（如Pi系列、DreamZero等）
申请策略
- 在申请信中表达对具身智能的热情，说明自己对WAM方向的独特见解或改进想法
- 突出深度学习项目经验，尤其是生成模型或模仿学习相关项目，展示对模型结构的理解
- 如果有机器人相关经历（如真机部署、仿真环境）或开源贡献，重点呈现工程实现能力
- 列出已发表或正在投稿的论文，特别是机器人或AI顶会论文，这是加分项
- 深入学习Diffusion Policy、ACT等模仿学习算法的实现细节，尝试复现开源代码
- 阅读Pi系列、DreamZero等最新VLA/WAM论文，理解其设计思路和实验方法
面试指南
- 对于模型对比类问题，从原理（公式、架构）和实际效果（速度、鲁棒性）两方面展开
- 对于设计类问题，先拆解需求（数据质量、多样性、效率），再给出分步骤方案
- 对于部署类问题，强调仿真验证、硬件接口对接、性能优化和容错机制
- 请详细介绍你曾参与的一个模仿学习或生成模型项目，包括模型选择、训练过程及效果
- 请对比Diffusion Policy与ACT的区别，并说明各自适用场景
- 如何设计机器人数据采集任务以提升模型泛化能力？请给出具体方案
- 如果让你部署一个VLA模型到真实机器人，你会考虑哪些关键环节？
- 复习Transformer、Diffusion Model等基础模型的数学推导，确保能现场推导关键公式
职位点评
71
综合评分
前沿具身智能算法岗，技术成长快，但工作强度未知，需较强自驱力。
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。
更适合这类人
最适合追求技术前沿和快速成长，对WLB要求不高，愿意投入时间攻克难题的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
薪资未在JD中明确，但上海AI算法岗薪资水平较高，且公司处于B轮融资阶段，推测薪资具有竞争力，但稳定性待观察。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
岗位涉及具身智能前沿技术（VLA/WAM），技术成长空间大，但JD中未明确提及晋升通道或培训机制。
技术前沿前沿/新兴技术
技术栈PyTorch、Transformer、DiT、Diffusion Model、Flow-Based Model、ACT、Diffusion Policy、VLA、WAM
业务类型ambiguous
工作生活
50较低
工作地点为上海现场办公，未提及弹性工作或远程，工作强度不确定，WLB信号不明确。
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
属于机器人高速增长赛道，技术具有开拓性创新，但社会影响力偏中性，未明确提及使命愿景。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs