智元机器人
VLA算法工程师-HK
VLA算法工程师-HK
发布于 大约 7 小时前普通员工/个人贡献者
AI 估算 · 25k–45k · AI 参考估算
中国香港
高级经验
硕士
全职员工仅现场办公人工智能
人工智能
Pytorch
Vla
Vlm
分布式训练
强化学习
机器人学
模型训练
真机部署
策略优化
值不值得投
70综合评分
综合评分 70
前沿技术挑战大、成长空间足、使命感强，但WLB和薪酬福利信息不明确。
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。
薪资怎么样
35K
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1470 个在招 · 其中人工智能 7 个
市场机会
选择面较广
人工智能 · 约 870 个在招
职位详情
关于这个职位
该职位负责设计与实现视觉-语言-动作（VLA）模型的前沿算法，用于解决机器人全身操作、灵巧操作等复杂任务
你需要参与从模型结构设计、训练优化到真机验证与产品化落地的全流程，推动VLA技术在真实世界的应用
最低要求
硕士及以上学历，计算机、人工智能、机器人、自动化等相关专业
掌握机器学习、最优化、机器人学的基础理论
熟练使用 Python，具备良好的编程规范与工程习惯，熟悉 PyTorch 及分布式训练工具链
深入了解 VLA、VLM 及图像 / 视频生成模型，具备 VLA 或 VLM 的完整训练经验（数据构建—训练—评估—迭代）
对数据质量有深刻理解，能够从模型表现反推数据问题
分方向要求：
基础模型结构方向：熟悉主流 VLA 架构（Diffusion Policy、Flow Matching、Autoregressive Action Tokenization 等），有模型结构改进与消融实验经验
强化学习预训练方向：熟悉大规模离线数据上的表征学习与预训练范式，有 World Model 或 Offline RL 相关经验
强化学习后训练方向：熟悉在线微调、奖励建模、RLHF / RLAIF 等后训练方法，有仿真或真机闭环调优经验
工作职责
与各地算法团队联合，共同定义操作策略模型的技术方案
负责其中模型结构、预训练或后训练方向的方案设计与实现
跟踪 VLA / VLM 领域前沿进展，引入并复现有价值的新方法，针对当前方法的不足提出改进与创新方案，并推动其进入开发主线
围绕成功率、泛化性与推理效率持续优化策略模型，输出可复现的训练流程、模型与评估报告
在真机上完成算法验证与迭代，配合工程团队推进产品化落地，参与真机问题的定位与闭环
应用场景：全身 VLA 操作、灵巧操作、高动态反应式操作
与仿真及数据团队协作定义训练数据规范与质量标准，参与数据问题的定位与闭环
分为 VLA 基础模型结构、强化学习预训练、强化学习后训练三个方向，按候选人背景匹配
优先资格
有机器人控制或真机部署经验者优先
了解机器人行业及实际落地约束
AI 洞察
优缺点分析
优点
- 工作内容直接与前沿AI模型和实体机器人结合，成果可见度高，成就感强
- 公司处于B轮，兼具技术探索的灵活性和一定的平台资源，是职业发展的黄金时期
- VLA/VLM技术仍处快速发展期，技术路线存在不确定性，需要极强的学习与适应能力
- 算法需在真实机器人上部署与验证，面临仿真与现实差距（Sim2Real）等工程难题，调试周期长、难度高
- 需要处理从模型训练到真机落地的全链路问题，对综合能力要求极高
缺点 / 挑战
- 处于具身智能这一前沿且高速增长的赛道，技术挑战大，个人成长空间广阔
- 适合对机器人学与前沿AI有浓厚兴趣，具备扎实的算法功底和工程实现能力，乐于解决高难度技术挑战，并希望将AI技术应用于物理世界的候选人
角色解读
- 技术专家路径：深耕VLA/VLM领域，成为该细分方向的顶尖算法专家，推动公司技术壁垒
- 技术负责人路径：带领小团队负责特定方向的模型研发、产品化与落地，培养技术领导力
- 跨界发展：凭借机器人AI的独特经验，向机器人算法架构师、具身智能产品负责人等方向发展
- 设计与实现VLA/VLM模型架构，解决机器人在复杂物理场景下的操作难题
- 构建并优化从数据准备、模型训练到评估迭代的完整机器学习工作流
- 在真实机器人硬件上进行算法验证与部署，将研究成果转化为可用的产品功能
- 跟踪并复现最新学术进展，推动前沿技术在产品线中的应用
- 扎实的机器学习、深度学习理论基础，特别是VLA/VLM领域的专业知识
- 精通Python和PyTorch，具备构建和调优大规模分布式训练系统的能力
- 熟悉强化学习（离线/在线）或模型结构设计（如Diffusion Policy），并有实际项目经验
- 对机器人学、控制理论有基本理解，具备将算法与硬件结合的工程思维
申请策略
- 仔细研究智元机器人的产品线和过往技术分享，了解其技术选型与挑战，在面试中展现你的思考
- 针对JD中提到的三个方向（模型结构、预训练、后训练），结合自身背景准备一个重点阐述的技术故事
- 突出在VLA/VLM、强化学习或机器人控制领域的具体项目经验，量化模型性能提升效果
- 详细描述使用PyTorch进行大规模模型训练、调试和优化的技术细节，体现工程能力
- 如有真机部署或机器人相关比赛经历，务必重点强调，展示将理论落地的能力
- 系统复习并动手复现1-2篇最新的VLA/VLM顶级论文，深入理解其架构与训练流程
- 学习并实践强化学习（如RLHF、Offline RL）在机器人策略优化中的应用
- 如果缺乏真机经验，可以尝试使用MuJoCo等仿真器进行简单的机器人控制项目
面试指南
- 采用STAR法则：详细说明任务(Situation)、具体行动(Action)、量化结果(Result)，突出个人贡献和技术深度
- 对于开放性问题，先分析问题核心，再提出你的假设或技术方案，并说明为什么选择该方案（权衡了哪些因素）
- 结合具体项目案例回答，避免空谈理论
- 展示你的问题解决能力和技术迭代思维
- 请介绍一个你完整参与过的VLA/VLM项目，从数据构建到最终部署的全流程
- 在你看来，当前VLA模型在泛化性和推理效率上最大的瓶颈是什么？你有什么改进思路？
- 描述一次你通过分析模型输出反推并解决数据质量问题的经历
- 如果让你负责一个新的灵巧手操作场景的VLA策略开发，你的第一步会做什么？
职位点评
薪资福利60
成长发展90
工作生活50
使命价值85
薪资福利
60中等
JD未披露薪资与福利，无法判断其薪酬竞争力。但岗位要求高、技术前沿，通常对应市场中上水平的薪资。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
岗位涉及VLA/VLM、强化学习等前沿技术，要求完整训练经验并推动产品落地，技术挑战大，能提供顶尖的技术成长平台和稀缺的机器人AI领域经验积累。
技术前沿前沿/新兴技术
技术栈VLA、VLM、PyTorch、Diffusion Policy、Flow Matching、RLHF、强化学习
业务类型ambiguous
工作生活
50较低
JD未明确工作模式、办公地点类型及WLB相关信号。作为前沿研发岗，通常需要投入较多时间进行模型训练和调试，工作强度可能较高。
工作模式未明确
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
岗位致力于用VLA技术解决机器人灵巧操作等难题，属于具身智能这一新兴且有长远社会价值的赛道，具有推动AI进入物理世界的使命感。
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）
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs