智元机器人
优才-具身智能算法研究员（VLA端到端与RL方向）-觅蜂子公司
优才-具身智能算法研究员（VLA端到端与RL方向）-觅蜂子公司
发布于 1 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)
Jax
Ppo
Pytorch
Rl
Sac
Sim2Real
Vla
AI 估算 · 30k–60k
上海B轮AI公司，具身智能方向人才稀缺，薪资竞争力强，预计月薪30-60K
职位详情
关于这个职位
该职位是智元机器人觅蜂子公司下的具身智能算法研究员，聚焦VLA（视觉-语言-动作）端到端模型与强化学习后训练
你将设计并训练多模态Transformer，结合仿真环境进行RL微调，优化模型在真机上的推理与泛化能力
适合对机器人学、深度强化学习有深入研究的技术人才
最低要求
计算机视觉、机器人学、机器学习、图形学等相关专业硕士及以上学历，博士优先
在以下至少一个方向有深入研究和项目经验：
三维重建/SLAM/3D Gaussian Splatting/物体姿态估计/人体手部重建
模仿学习（BC、ACT、Diffusion Policy）、强化学习（PPO、SAC）、机器人控制（MPC、力控）、VLA架构（RT-2、PaLM-E等）
多模态预训练（CLIP、LLaVA）、大模型微调（LoRA、RLHF）、自动标注、数据合成与数据策略
扎实的编程能力：精通Python，熟悉C++，熟练使用PyTorch/JAX等深度学习框架
熟悉至少一种仿真器（Isaac Sim、Mujoco、PyBullet）或真实机器人平台
具备优秀的学习能力、逻辑思维与跨团队协作精神，能够快速将前沿论文转化为可工作的原型
工作职责
设计并训练视觉-语言-动作多模态Transformer（参考RT-2、Octo、PaLM-E），输入自然语言指令 + 空间Token + 本体感觉，输出离散/连续动作Token（关节角度、末端位姿或扩散策略）
优化模型在真机上的推理速度与泛化能力，探索不同动作表示与模型压缩技术
利用仿真环境（Isaac Sim、Mujoco）对VLA模型进行强化学习微调（PPO/SAC/RLPD），解决域迁移导致的分布漂移
设计域随机化、系统辨识、扰动注入策略，提升策略在真实机器人上的成功率与平滑度
优先资格
有真实机器人（机械臂、人形、四足）部署经验，特别是高复杂度操作任务（装配、双手协作）
在CVPR/ICCV/ECCV/CoRL/ICRA/RSS/NeurIPS等顶会发表论文，或有高质量开源贡献
处理过Ego4D、HoloAssist或自采机器人混合数据，有Sim2Real迁移实战经验
熟悉ROS/ROS2，有实时系统或嵌入式开发经验
AI 洞察
优缺点分析
优点
- 具身智能是当前AI前沿热点，技术天花板高，发展空间大
- 公司B轮融资，资金充裕，且有真实机器人平台，能快速落地
- 团队研究氛围浓厚，可接触顶级论文和最新技术
- 技术难度大，需要同时掌握计算机视觉、机器人学和强化学习等多领域知识
- Sim2Real迁移充满不确定性，调试过程可能繁琐
- 适合对机器人学和多模态AI有浓厚兴趣，具备强自驱力和研究能力的技术人才
缺点 / 挑战
- 研发压力较大，需要快速迭代和解决实际问题
角色解读
- 发展为具身智能领域算法专家，掌握VLA和RL核心技术
- 可向机器人系统架构师或技术负责人方向晋升
- 也可转向学术研究，成为行业顶尖人才
- 设计并训练视觉-语言-动作多模态Transformer模型，输入自然语言指令和机器人状态，输出动作Token
- 利用仿真环境（Isaac Sim、Mujoco）对模型进行强化学习微调，解决仿真到真实的迁移问题
- 优化模型在真实机器人上的推理速度和泛化能力，探索动作表示和模型压缩技术
- 精通Python和PyTorch/JAX，熟悉C++，具备扎实的编程能力
- 深入理解VLA架构（如RT-2、PaLM-E）和强化学习算法（PPO、SAC）
- 有仿真环境（Isaac Sim、Mujoco）或真实机器人平台经验
- 具备将前沿论文转化为可工作原型的研究能力
申请策略
- 准备一份研究作品集，包括论文、代码仓库和项目演示视频
- 面试前深入了解公司产品方向（觅蜂子公司），表达对具身智能的热情
- 突出相关论文发表（如CVPR、CoRL等）或开源项目贡献
- 强调真实机器人部署经验，尤其是高复杂度操作任务
- 展示在VLA或RL方向的深入工作，包括算法改进和实验结果
- 如果缺乏真机经验，建议先在仿真环境中完成一个小项目（如机械臂抓取）
- 熟悉至少一种机器人仿真器（Isaac Sim或Mujoco）
- 了解模型压缩技术（量化、蒸馏）以应对推理优化需求
面试指南
- 项目类问题使用STAR法则：描述情境、任务、行动和结果
- 技术问题先阐述原理，再结合实际经验，最后提出改进思路
- 开放性问题展示逻辑链：问题分析→方案假设→验证方法
- 请详细介绍一个你参与的机器人或视觉项目，包括你的贡献和遇到的问题
- 解释VLA模型的架构选择，比如为什么用RT-2这种设计？
- 如何处理Sim2Real的分布漂移？请给出具体策略
- 比较PPO和SAC的优缺点，以及在机器人控制中的适用场景
- 如何优化模型在真机上的推理速度？
职位点评
74
综合评分
前沿具身智能算法岗，技术发展空间大，薪资有竞争力，但工作强度可能较高。
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
最适合追求技术成长和前沿创新的求职者，对工作生活平衡要求不高。
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50
使命价值85
薪资福利
70中等
该职位薪资在行业中上水平，但JD未明确具体数字，需要面议。福利未提及，可能包含常规五险一金。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
职位处于具身智能前沿，技术栈新颖，个人成长空间极大。有机会参与核心算法研发，但JD未明确晋升通道。
技术前沿前沿/新兴技术
技术栈Transformer、VLA、RL、PPO、SAC、PyTorch、JAX、Isaac Sim、Mujoco、Sim2Real
业务类型profit_center
工作生活
50较低
工作地点在上海，未提及远程或弹性办公，推测为现场办公。行业竞争激烈，但未明确加班情况。
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
具身智能是推动机器人技术发展的前沿领域，具有显著社会价值和行业前景，参与创造未来智能产品。
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