智元机器人
算法实习生
算法实习生
发布于 大约 9 小时前实习/见习
实习生仅现场办公机器人开发
机器人开发
Pytorch
Slam
Vlm
仿真
多模态
数据标注
数据流水线
机器人感知
值不值得投
70综合评分
综合评分 70
前沿技术栈的机器人感知数据实习，成长性突出，但补偿性信息不明确。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
5K
比机器人开发中位数低
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 1420 个在招 · 其中机器人开发 32 个
市场机会
选择适中
上海 · 机器人开发 · 45 个在招
职位详情
关于这个职位
作为算法实习生，你将深度参与智元机器人感知数据全链路建设工作
核心任务包括搭建多模态4D数据采集与自动化标注流水线，开发高价值难样本挖掘工具，并协同算法团队进行数据驱动的模型迭代与评测
这是一个技术深度高、贴近具身智能前沿的实战型实习岗位
最低要求
学历与基础能力：计算机、机器人、机器学习、模式识别等相关专业
具备扎实的深度学习、机器学习理论基础，熟练Python/PyTorch，精通数据驱动的模型迭代闭环逻辑，有大规模多模态数据处理、主动学习、难样本挖掘实战经验
核心技术栈：熟悉人体姿态、手部关键点、视觉SLAM、双目三维重建任一方向
掌握Python/C++，熟悉Linux开发、Shell、Git
了解ROS/ROS2、mcap等机器人数据格式，具备图像、视频、点云、时序数据处理能力
工程实操能力：熟练使用Isaac-sim/UE/Blender任一仿真引擎，可独立设计仿真数据生产方案
优先掌握VLM大模型批量推理、自动标注、数据筛选功能开发，有4D时空真值、SMPL人体/手部、SLAM数据生产标注经验者优先
综合素养：具备优秀的问题分析与闭环决策能力，可跨团队协同推进项目落地
自驱力强，能够独立解决复杂技术问题，适配高压迭代节奏
工作职责
多模态4D数据全链路建设：搭建仿真（Isaac-sim/UE/Blender）+实机（相机、IMU、双目深度相机）双数据源自动化数据流水线，完成数据采集、解析、清洗、抽帧、标注、质检全流程迭代，构建数据、训练、评测、反馈的完整闭环，支撑机器人感知模型迭代
D时空真值自动化标注研发：搭建人体/手部骨骼、SLAM位姿、双目深度重建时空真值自动生产体系，开发自动化标注工具
基于VLM多模态大模型实现标签校验、质检、caption生成自动化，降低人工依赖，输出高质量SMPL人体、手势、三维重建训练数据
高价值难样本主动挖掘：基于模型失败案例、实机运行问题，搭建「规则+大模型」双驱动数据挖掘产线，精准挖掘长尾场景、边界case及难样本
针对姿态误差、SLAM漂移、重建失效等模型短板，制定定向数据增强与补充方案，输出数据分析报告指导数据采集规划
数据-模型协同迭代与评测：协同算法团队，量化数据质量、数据多样性对感知模型效果的影响
搭建仿真+实机结合的闭环评测体系，定义位姿、重建精度、深度误差等标准化评测指标，实现问题样本回灌与模型迭代优化
工具链工程落地优化：研发并优化大规模多模态数据处理Pipeline，结合CUDA、批量推理优化提升流水线效率
负责闭环工具链部署运维，排查链路故障，保障数据生产、标注、挖掘体系稳定高效运转
优先资格
有大规模4D人体、机器人多模态数据集搭建与自动化质检落地经验
精通多模态大模型Prompt工程、分布式GPU推理优化
具备具身智能、机器人感知数据-模型闭环落地项目经验
CVPR/ICCV/ECCV等顶会数据集相关论文发表经历，或拥有高星开源数据工具项目
AI 洞察
优缺点分析
优点
- 直接参与前沿具身智能项目，接触4D数据、多模态大模型等尖端技术
- 实习内容深度高，能获得从数据到模型的全链路实战经验，对技能提升帮助巨大
- 公司处于快速发展期（B轮），团队充满活力，个人贡献度可能被快速看到
- 技术栈复杂且交叉，需要同时理解算法原理、数据工程和机器人系统，学习曲线陡峭
- 作为实习生，可能需要在高压的迭代节奏下快速产出，对自驱力和抗压能力要求高
缺点 / 挑战
- 部分任务涉及自动化与工具开发，对工程编码和系统优化能力有较高要求
- 适合计算机相关专业，对机器人感知、多模态数据处理有浓厚兴趣，具备较强自驱力和问题解决能力，不畏惧复杂技术挑战的实习生
角色解读
- 从数据工程师向机器人感知算法工程师发展，深耕数据驱动的模型优化
- 成为具身智能领域的数据与算法协同专家，负责更复杂的系统设计
- 积累大型项目经验后，可向技术负责人或架构师方向成长
- 构建和维护机器人感知所需的多模态4D数据自动化采集、标注和质检流水线
- 开发和优化用于主动挖掘高价值难样本的工具，提升数据对模型训练的有效性
- 与算法团队紧密合作，通过数据评测驱动感知模型的持续迭代与优化
- 扎实的深度学习、机器学习基础，熟练使用Python/PyTorch进行数据处理与模型训练
- 熟悉机器人感知核心领域（如SLAM、人体姿态、三维重建）的至少一个方向，并掌握相关工具链
- 出色的工程实践能力，能熟练使用仿真引擎，并具备Linux环境下的开发、部署与运维经验
申请策略
- 在申请材料或面试中，表达你对“数据驱动模型迭代”和“具身智能”这一技术路线的理解与热情
- 可以准备一个自己做过的、最能体现数据处理或工程能力的项目进行深入讲解
- 突出任何与多模态数据（图像、视频、点云、时序）处理相关的项目或研究经历
- 详细描述使用过的技术栈（Python, PyTorch, C++, Linux, ROS等）和开发工具（Git）
- 如果参与过SLAM、三维重建、人体姿态估计等机器人相关课题或竞赛，务必重点强调
- 展示独立解决复杂技术问题的案例，体现自驱力和闭环思维
- 深入学习机器人学基础，特别是视觉SLAM和三维重建的常用算法与开源库
- 实践多模态数据处理，尝试使用Isaac-sim、Blender等工具制作简单的仿真数据集
面试指南
- 对于项目问题，使用STAR法则，清晰说明背景、任务、你采取的行动和最终结果
- 对于技术原理问题，先阐述核心思想，再结合本岗位的场景（如数据标注、样本挖掘）说明其应用价值
- 对于系统设计类问题，先分析需求，再提出分步骤的解决方案，并讨论可能的权衡（如精度与效率）
- 请描述一个你处理过的复杂多模态数据集或数据流水线项目
- 解释一下SLAM（或你熟悉的相关技术）的基本原理，以及它在数据标注中可能用到的地方
- 如果让你为一个机器人感知模型设计一个自动化评测指标，你会考虑哪些方面？
- 你如何利用‘规则+大模型’的方式来挖掘模型训练中的难样本？
- 在数据处理流水线中遇到性能瓶颈（如处理速度慢）时，你会从哪些方面进行优化？
职位点评
薪资福利60
成长发展85
工作生活50
使命价值80
薪资福利
60中等
作为实习岗位，通常提供市场水准的实习补贴，但JD未提及任何具体福利或薪酬细节，满足程度有限。
薪资信号未披露（AI估算：4K-6K/月）
成长发展
85较高
岗位技术栈前沿，涉及多模态、大模型、仿真与实机结合等，能提供极佳的技术实践和成长机会。
技术前沿前沿/新兴技术
技术栈4D数据、SLAM、VLM、Isaac-sim、SMPL、点云处理、PyTorch
成长机会支撑机器人感知模型迭代、闭环迭代优化、指导数据采集规划
业务类型profit_center
工作生活
50较低
JD未明确工作模式和办公地点类型，但实习岗通常需要现场办公，且岗位内容复杂，可能节奏较快，生活化满足程度中等偏低。
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
80较高
投身于具身智能和机器人这一前沿领域，具有明确的探索和创新属性，能带来较强的技术探索使命感。
行业发展新兴领域（暂难判断）
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs