智元机器人
具身智能大模型算法专家
具身智能大模型算法专家
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)
Pytorch
Sim2Real
Vla
世界模型
人形机器人
具身智能
强化学习
端到端学习
AI 估算 · 40k–70k
算法专家岗位，结合B轮融资、上海、职位要求前沿技术，市场薪资较高，月薪4-7万合理。
职位详情
关于这个职位
该职位主要负责具身智能大模型的前沿算法研究与体系设计，包括VLA基础模型、世界模型、任务规划与运动控制等核心算法
你将探索大模型在人形机器人、四足机器人等平台上的通用能力，并推动算法从研究到实际系统的落地
适合在机器人、AI领域有深厚积累，尤其是大模型与具身智能交叉方向的研究型人才
最低要求
硕士及以上学历，计算机、人工智能、自动化、机器人等相关专业，3 年以上大模型 + 具身智能 / 机器人算法研究经验
精通 Transformer原理、SFT、RLHF等，具备完整模型训练与调优实战能力
精通 VLA模型原理、训练范式与推理机制，深入理解视觉-语言-动作联合建模与端到端学习
熟悉世界模型相关技术，包括环境动态建模、状态预测、行为仿真、基于模型的强化学习与规划优化
深入理解机器人核心技术：场景理解、任务/行为规划、操作/运动控制、多模态感知与闭环执行
熟练使用 PyTorch，具备扎实的算法实现、模型训练、实验复盘与问题定位能力
主导或者参与过SOTA大模型训练者优先
有顶会论文（ICML/NeurIPS/ICLR/CVPR/ICRA等）或高质量开源项目者优先
工作职责
主导具身智能大模型前沿算法研究与体系设计，尤其是VLA具身基础模型、世界模型的架构创新、训练范式与优化迭代
研究大模型驱动的具身任务规划、运动控制/交互/作业大模型、具身强化学习、闭环交互推理等核心算法，基于世界模型实现环境建模、时序预测、行为预演与决策优化
设计并落地具身学习框架，包括仿真到现实迁移（Sim2Real）、具身数据蒸馏、自监督/弱监督学习、离线/在线具身学习等关键技术
探索大模型在人形机器人、四足机器人、移动操作机器人等平台上的通用能力边界，如复杂操作、长时序任务、人机交互、环境自适应与多机协同
负责将前沿算法转化为可验证、可迭代、可落地的具身智能系统与场景能力
跟踪国际前沿技术，输出技术路线、研究报告、顶会论文与发明专利
优先资格
有人形机器人、四足机器人、AMR/移动操作机器人研究或项目经验
参与过 RT-2、RoboFlow、VLM-Robot、世界模型等相关方向研究
熟悉具身仿真平台（Isaac、Habitat、Gazebo）
具备从 0→1 搭建具身智能大模型算法体系的经验
AI 洞察
优缺点分析
优点
- 公司为B轮融资中大型企业，资源充足，有机会从0到1打造完整算法体系
- 发表顶会论文与专利的机会多，学术与产业结合紧密
- 技术难度高，需要同时掌握大模型、机器人控制、强化学习等多个领域
- 算法落地周期长，Sim2Real和真实机器人部署调试复杂，对耐心和实验能力要求高
- 行业竞争激烈，需要持续跟踪国际前沿，保持快速学习
缺点 / 挑战
- 处于具身智能最前沿，技术挑战性强，积累的算法能力有极高的市场价值
- 适合在AI和机器人领域有深厚研究背景、热爱技术挑战、希望推动具身智能从实验室走向真实世界的研究型工程师
角色解读
- 成为具身智能领域的算法专家，引领VLA和世界模型的技术方向
- 晋升为技术负责人或团队Leader，管理算法团队并推动产品落地
- 向研发总监或首席科学家发展，主导公司整体的机器人AI战略
- 设计并训练VLA（视觉-语言-动作）大模型，让机器人理解环境并自主决策
- 研究世界模型，使机器人能预测未来状态和规划动作序列
- 开发Sim2Real、数据蒸馏等框架，将仿真训练的知识迁移到真实机器人
- 探索人形/四足机器人上的复杂操作、长时序任务和人机交互
- 精通Transformer、SFT、RLHF等大模型训练技术，能独立完成模型训练与调优
- 深入理解VLA模型原理，具备视觉-语言-动作联合建模的实战经验
- 熟悉世界模型技术，包括环境建模、状态预测、基于模型的强化学习
- 掌握机器人核心技术：场景理解、任务规划、运动控制与多模态感知，熟练使用PyTorch
申请策略
- 在求职信中展示对具身智能发展趋势的深刻理解，并说明个人贡献与团队目标的契合点
- 提前了解智元机器人的产品方向和技术栈，在面试中能针对性地讨论落地场景
- 突出大模型（尤其是VLA或世界模型）的训练经验和成果，展示模型性能提升
- 列出机器人相关项目经历，特别是人形/四足机器人的实际控制算法
- 强调顶会论文（ICML/NeurIPS/CVPR等）或高质量开源项目，证明研究能力
- 描述在仿真平台（Isaac, Habitat等）上的工作经验，体现Sim2Real能力
- 如果对世界模型不熟悉，可以学习相关论文和开源代码（如Dreamer, PlaNet等）
- 巩固强化学习基础，特别是基于模型的强化学习（MBRL）和离线强化学习
面试指南
- 对于技术原理类问题，先阐述核心概念，再结合自己的项目经历说明具体实现
- 对于开放性问题，采用“问题-方案-效果”结构：指出挑战，提出你的方法，并说明实验结果
- 对于设计类问题，先明确任务目标和约束，然后分模块设计，最后评估平衡
- 请详细讲解VLA模型的技术架构和训练流程，比如如何处理视觉和语言输入的融合
- 世界模型如何帮助机器人进行长时序任务规划？请结合实例说明
- Sim2Real中常见的域迁移问题有哪些？你如何解决？
- 你参与过的最大规模模型训练是怎样的？遇到了哪些挑战？
- 如何设计一个强化学习奖励函数来训练机器人完成复杂操作任务？
职位点评
64
综合评分
前沿具身智能算法岗，技术成长极高，薪资竞争力好但WLB一般。
更适合这类人
最适合追求技术成长、喜欢前沿挑战、不在意WLB的算法研究人员。
表现最好
成长发展
相对薄弱
工作生活
薪资福利50
成长发展95
工作生活30
使命价值80
薪资福利
50较低
薪资未明确披露，但根据B轮融资和岗位要求，预计薪资有竞争力，但稳定性不如成熟大厂。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
该岗位处于具身智能前沿，技术成长空间极大，有大量机会发表论文和专利，非常适合技术驱动型人才。
技术前沿前沿/新兴技术
技术栈Transformer、VLA、世界模型、Sim2Real、RLHF、PyTorch、强化学习
成长机会顶会论文、发明专利
业务类型profit_center
工作生活
30较低
未提及远程或弹性办公，结合机器人行业特点，可能以现场办公为主，且研究压力较大，WLB一般。
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
80较高
机器人行业处于高速增长期，具身智能有巨大社会影响力，工作本身具有探索未知的前沿意义。
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