智元机器人
具身模型算法实习生
具身模型算法实习生
发布于 1 天前实习/见习
实习生仅现场办公具身智能
具身智能
Pytorch
Sim2Real
Vla
多模态模型
强化学习
值不值得投
78综合评分
综合评分 78
前沿具身智能赛道、技术成长空间极大、实习津贴中上，但工作投入度要求较高。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
8千
比具身智能中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1510 个在招 · 其中具身智能 45 个
市场机会
选择面较广
上海 · 具身智能 · 67 个在招
职位详情
关于这个职位
该职位主要参与VLA具身大模型的后训练研发与多模态数据pipeline建设，并在仿真与真机平台完成模型闭环验证与Sim2Real迁移
同时需跟踪前沿论文，协助模型在机器人芯片上的推理优化与部署，推动具身智能技术的实际落地
最低要求
计算机 / AI / 机器人 / 自动化等相关专业在读硕士或博士（优秀本科生亦可）
扎实的深度学习基础，熟悉 Transformer 架构与多模态模型原理（视觉-语言联合建模、条件生成等）
熟练使用 Python + PyTorch，有完整的模型训练、调优与实验管理经验（日志 / checkpoint / 消融实验等）
了解至少一种主流 VLA 架构或动作生成方案（如 Diffusion Policy、Flow Matching、Action Tokenization 等）
具备良好的英文文献阅读能力，能快速理解和复现顶会论文的核心方法
每周 ≥4 天，连续 ≥6 个月
工作职责
参与 VLA 具身大模型的后训练研发，包括 SFT 数据构建、模型微调（LoRA / 全量）、训练超参调优与效果评测
参与多模态数据 pipeline 建设：数据采集、清洗、标注方案设计与质量筛选，构建面向真实机器人场景的高质量训练数据集
跟踪并复现 VLA / WAM 领域前沿论文与开源模型（如 RT-2、OpenVLA、π0、Diffusion Policy 等），输出技术调研报告与可运行的实验方案
在仿真环境（Isaac Sim / MuJoCo 等）与真机平台上完成模型闭环验证：从策略训练到部署测试，参与 Sim2Real 迁移实验与效果分析
参与评测体系建设：设计任务成功率、泛化性、鲁棒性等评测指标，搭建自动化评测工具链
协助模型在机器人芯片上的推理优化与部署调试，参与推理延迟、吞吐量等性能瓶颈的定位与改进
优先资格
有 VLA / VLM / Diffusion 等模型的实际训练或微调经验（非仅调用 API）
熟悉模仿学习（BC / ACT / Diffusion Policy）或强化学习（PPO / SAC）算法，有相关项目实践
有仿真环境使用经验（Isaac Sim / MuJoCo / ManiSkill / RoboSuite 等），了解 Sim2Real 迁移的基本方法
参与过具身智能 / 机器人操作相关项目（竞赛、实验室课题、开源贡献均可）
NeurIPS / ICML / ICLR / CoRL / ICRA 等顶会发表过相关论文
AI 洞察
优缺点分析
优点
- 处于具身智能与机器人大模型这一前沿且极具潜力的赛道，行业前景广阔
- 能接触到从数据构建、模型训练到真机部署的全链路技术，技术积累深厚
- 公司处于快速发展阶段，技术氛围浓厚，能接触到行业最前沿的开源模型与论文
- 具身智能领域技术迭代极快，需要持续跟踪大量前沿论文并保持高强度的学习
- Sim2Real迁移和真机部署存在较大不确定性，调试周期可能较长，对工程落地能力要求高
- 适合对机器人和大模型有浓厚兴趣，具备扎实深度学习基础，且渴望在具身智能前沿领域深耕的硕博研究生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法实习生成长为具身智能算法工程师，深入掌握大模型在机器人领域的落地应用
- 未来可向具身智能核心算法研究员或机器人系统架构师方向发展
- 参与VLA具身大模型的后训练研发与多模态数据pipeline建设，构建高质量训练数据集
- 在仿真与真机平台完成模型闭环验证，参与Sim2Real迁移实验与效果分析
- 跟踪前沿论文并协助模型在机器人芯片上的推理优化与部署调试
- 扎实的深度学习基础，熟悉Transformer架构与多模态模型原理
- 熟练使用Python+PyTorch，了解VLA架构或动作生成方案（如Diffusion Policy）
- 具备良好的英文文献阅读能力，能快速理解和复现顶会论文的核心方法
申请策略
- 提前了解智元机器人的核心产品（如远征系列机器人）及其技术路线，准备一份关于VLA模型在机器人操作中应用的技术调研报告作为面试加分项
- 突出在VLA/VLM/Diffusion等模型的实际训练或微调经验，强调非仅调用API
- 展示在仿真环境（如Isaac Sim/MuJoCo）的使用经验及Sim2Real迁移项目经历
- 列出相关顶会论文发表记录或具身智能竞赛、实验室课题及开源贡献
- 深入学习Diffusion Policy、Flow Matching等动作生成方案及模仿学习/强化学习算法
- 提升在真实机器人平台上的部署与调试能力，熟悉模型在芯片上的推理优化
面试指南
- STAR法则：情境（项目背景）-任务（具体目标）-行动（技术方案与解决思路）-结果（性能提升或论文发表）
- 技术对比框架：从原理、适用场景、计算复杂度、实际效果等维度对比不同算法
- 请介绍你复现或微调VLA/多模态模型的具体过程及遇到的难点？
- 在Sim2Real迁移中，你是如何解决仿真与真实环境之间的Gap的？
- 请对比Diffusion Policy和Flow Matching在动作生成上的优缺点？
- 如何设计针对机器人操作任务的评测指标和自动化评测工具链？
- 复习Transformer、多模态模型及VLA相关前沿论文（如RT-2, OpenVLA, π0）
- 准备自己过往项目中的代码细节、超参调优经验及消融实验结果，了解智元机器人的最新技术进展
职位点评
薪资福利70
成长发展95
工作生活50
使命价值90
薪资福利
70中等
实习岗位薪资按日结算，整体处于算法实习生市场中上水平，但缺乏正式员工的长期福利与稳定性。
薪资信号未披露（AI估算：6千–1万/月）
成长发展
95较高
岗位涉及具身智能最前沿的VLA大模型研发，技术栈极具前瞻性，且能参与从数据到真机部署的全链路，成长空间巨大。
技术前沿前沿/新兴技术
技术栈VLA、Transformer、PyTorch、Diffusion Policy、Isaac Sim、MuJoCo、Sim2Real、LoRA
业务类型ambiguous
工作生活
50较低
实习要求每周≥4天，连续≥6个月，工作投入度要求较高，且未提及弹性工作或WLB相关福利。
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
90较高
具身智能是未来AI发展的重要方向，推动机器人智能化具有极高的社会价值与行业前景。
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）
Watch Jobs