智元机器人
优才-具身算法工程师（VLA+RL）-通用业务部
优才-具身算法工程师（VLA+RL）-通用业务部
发布于 3 天前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Ppo
Pytorch
Rl
Sac
Vla
机器人
端到端模型
AI 估算 · 30k–60k
上海具身智能算法岗，VLA+RL专家，技术壁垒高，薪资竞争力强。
职位详情
关于这个职位
该职位专注于具身智能领域，研发VLA（视觉-语言-动作）端到端模型与强化学习算法，实现机器人从视觉指令到物理动作的直接映射
你将参与前沿的RT-2、OpenVLA等模型训练，并与底层控制协同，推动人形机器人走向通用智能
最低要求
计算机科学、人工智能、机器人学、自动化、控制理论等相关专业，硕士及以上学历
VLA 深度经验：精通至少一种端到端 VLA 架构（RT-2、OpenVLA、Octo、π0、GR00T 等），理解其动作空间设计、训练目标与推理机制
强化学习：熟练掌握 PPO、SAC、RLHF、GAE、TD(λ) 等算法原理与实现，具备在连续动作空间（机器人控制）中的 RL 训练经验
机器人学基础：熟悉运动学（FK/IK）、动力学、坐标系变换（SMPL Y-up/Z-up 等）、关节空间与任务空间映射、全身控制（WBC）概念
工程能力：精通 PyTorch，熟悉 CUDA 优化、模型服务化（vLLM、Triton）优先
仿真与部署：熟练使用 Isaac Sim、MuJoCo、Genesis 等仿真环境
具备真实机器人平台（人形/四足/机械臂）的部署与调试经验
工作职责
VLA 端到端模型研发：设计并训练端到端视觉-语言-动作模型（如 RT-2、OpenVLA、π0、Diffusion Policy、3D Diffusion Actor 等），实现从视觉输入与语言指令到机器人低维动作空间的直接映射
研究动作表示与生成机制：动作 Token 化（Action Tokenization）、隐动作量化（Latent Action Quantization, LAPA）、扩散式动作生成（Diffusion Policy）、流匹配（Flow Matching）等前沿方案
探索 RL 与模仿学习（IL）的混合训练范式：利用人类演示数据初始化策略，再通过 RL 进行微调和鲁棒性增强
强化学习运控与策略优化：包括 PPO、SAC、RLHF（Human Feedback for Robotics）、DAPG 等算法在关节级/任务级控制中的应用
模型部署与实时性优化：负责 VLA/RL 模型在机器人芯片(Orin、Thor）上的轻量化部署，满足实时控制需求（端到端延迟 < 50ms，控制频率 ≥ 50Hz），解决长上下文视觉序列与语言指令的并行处理瓶颈
设计模型与底层运控（WBC/MPC）的协同接口：实现高层 VLA 策略输出与低层全身控制器的平滑衔接，确保物理安全性与稳定性
优先资格
人形机器人专项：具备双足机器人平衡控制、步态规划、全身操作（Whole-Body Manipulation）的算法或工程经验
运控基座协同：熟悉 WBC（Whole Body Control）、MPC（Model Predictive Control）或强化学习运控基座模型（如 SONIC、Humanoid-Gym），能实现 VLA 高层规划与低层运控的分层/端到端协同
前沿技术跟踪：关注 Native Multimodal、World Model（如 Sora/Dreamer 用于机器人）、3D 场景理解（点云/NeRF/Gaussian Splatting 与 VLA 结合）等方向
数据基建：有大规模机器人数据采集体系统筹经验（如动捕、VR 遥操作、自主数据飞轮），熟悉 BVH/SMPL 数据格式与重定向（Retargeting）
全栈能力：能独立完成从算法设计、训练调优到嵌入式部署的完整链路，或具备前端可视化（React/Vue）开发能力用于采训推平台搭建
AI 洞察
优缺点分析
优点
- 前沿技术方向：具身智能是AI下一个浪潮，VLA+RL是核心路径
- 智元机器人是行业头部初创，团队优秀，成长空间大
- 技术难度大，需要同时掌握视觉、语言、动作、控制等多领域知识
- 模型部署到真实机器人需解决实时性与安全性，调试复杂
- 行业竞争激烈，对产出和迭代速度要求高
- 适合对机器人智能有热情、具备扎实强化学习与机器人学背景，渴望在技术前沿突破的算法工程师
缺点 / 挑战
- 技术挑战高，能深度参与端到端模型与强化学习的交叉创新
角色解读
- 从VLA算法研究员到具身智能技术Leader，主导下一代模型架构
- 横向扩展至运控、仿真、数据飞轮等方向，成为全栈机器人专家
- 向行业技术专家发展，推动人形机器人商业化落地
- 设计并训练VLA端到端模型，将视觉与语言指令直接映射为机器人动作
- 研究动作表示机制，如Action Tokenization、Diffusion Policy等前沿方案
- 结合强化学习与模仿学习，优化策略的鲁棒性与泛化能力
- 将模型轻量化部署到机器人芯片，确保实时控制性能
- 精通至少一种VLA架构（如RT-2、OpenVLA），理解其训练与推理
- 熟练运用PPO、SAC等强化学习算法，有连续动作空间训练经验
- 扎实的机器人学基础，包括运动学、动力学、坐标系变换等
- 优秀的工程能力，精通PyTorch，熟悉CUDA优化和仿真环境
申请策略
- 关注智元机器人的技术博客和开源项目，了解其技术栈
- 面试前准备一个VLA或RL相关的项目深度复盘，体现思考过程
- 突出VLA或相关端到端模型的项目经验，包括架构设计、训练细节
- 强调强化学习算法在机器人控制中的应用成果，如仿真或实物表现
- 展示工程落地能力：模型轻量化、部署、实时性优化案例
- 补强人形机器人运控知识，如WBC、MPC或全身控制
- 熟悉至少一种仿真平台（Isaac Sim、MuJoCo）并动手实践
面试指南
- 使用STAR原则：情境、任务、行动、结果，结构化描述项目
- 先解释理论原理，再结合具体实践中的权衡与优化
- 强调多学科交叉能力，展示从算法到落地的全局视角
- 请详细解释RT-2或OpenVLA的架构，以及动作空间设计
- PPO和SAC在机器人控制中如何选择超参数？遇到过哪些训练不稳定性？
- 如何将VLA模型部署到边缘设备，并保证50ms延迟？
- 描述一个你解决过的最复杂的强化学习控制问题，包括状态空间、奖励函数设计
- VLA输出与底层WBC如何协同？可能出现哪些冲突？
职位点评
71
综合评分
顶尖具身智能算法岗，前沿技术栈，高成长性，但WLB一般。
更适合这类人
最适合追求技术前沿、渴望参与颠覆性项目、对薪资和成长回报有较高期望的求职者。
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90
工作生活40
使命价值85
薪资福利
70中等
薪资未在JD中明确，但上海机器人B轮公司对此类岗位通常提供有竞争力的薪酬，面议可能性大，整体补偿性中等偏上。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
该岗位涉及最前沿的VLA+RL技术，技术栈新颖，个人成长空间极大，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈VLA、RL、PPO、SAC、PyTorch、Isaac Sim、MuJoCo、端到端模型
业务类型ambiguous
工作生活
40较低
仅现场办公，未提及弹性工作或WLB，AI公司高强度研发氛围，生活化动机满足有限。
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
85较高
具身智能是高速增长赛道，该岗位参与前沿技术研发，创新性强，能给求职者带来技术使命感。
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）
Watch Jobs