智元机器人
具身算法工程师（WAM）-通用业务部
具身算法工程师（WAM）-通用业务部
发布于 大约 2 小时前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Act
Diffusion Model
Flow-Based Model
Pytorch
Vla
Wam
机器人学习
模仿学习
值不值得投
73综合评分
综合评分 73
前沿技术栈、高成长性，但工作强度可能较大且福利信息不明确。
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
40K
比具身智能中位数低
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 1390 个在招 · 其中具身智能 13 个
市场机会
选择适中
上海 · 具身智能 · 32 个在招
职位详情
关于这个职位
作为智元机器人通用业务部的具身算法工程师，你将参与机器人数据采集、算法设计、模型训练与真机部署的全链路研发
工作内容包括数据采集规划、跟踪前沿技术、进行世界动作模型（WAM）的算法创新与训练优化，并推动模型在真实机器人平台上的部署与性能评估
该岗位要求扎实的深度学习与模仿学习基础，并对VLA/WAM等前沿方向有深入了解
最低要求
机器人、计算机、人工智能、自动化等相关专业优先
具备扎实的编程能力和工程实现能力，熟悉 PyTorch 等深度学习框架
对深度学习基础模型结构、模仿学习方法有较好的理解
掌握以下基础内容：
基本深度学习知识，如 Transformer, DiT 等模型架构
基本现代生成模型知识，如 Diffusion Model, Flow-Based Model 等
基本模仿学习知识，如 ACT, Diffusion Policy 等
熟悉具身智能算法方向的前沿进展，了解 VLA、WAM、机器人基座模型的最新相关工作
尤其是：
主流的 VLA 模型，如 Pi 系列，gr00t 系列等
主流的 WAM 模型，如 DreamZero，Lingbot-VA, FastWAM 等
工作职责
参与机器人数据采集、算法设计、模型训练与真机部署的全链路研发工作
参与机器人数据采集规划，包括任务设计与质量分析，为下游模型训练提供高质量、多样化数据支持
跟踪具身智能、机器人学习、VLA/WAM 等方向的前沿进展，调研并分析最新研究工作
参与世界动作模型（World Action Model, WAM）的算法创新、模型结构设计与训练优化
参与模型在真实机器人平台上的部署、调试与性能评估，推动算法从仿真/离线训练走向真实场景应用
优先资格
对 VLA/WAM 算法设计有深入思考或独到见解者优先
具备 VLA、WAM、模仿学习、机器人学习等相关项目经验，或有真机部署经验者优先
在机器人或人工智能顶级期刊/会议，如 RA-L、ICRA、ICLR、NeurIPS、RSS 等发表过相关论文者优先
AI 洞察
优缺点分析
优点
- 能够接触VLA/WAM等世界顶尖的算法方向，技术积累价值高
- 公司处于B轮融资阶段，发展潜力大，有机会参与核心算法研发
- 对算法和工程能力要求极高，需要持续学习前沿技术
- 工作强度可能较大，需要适应快速迭代的研发节奏
- 具身智能领域竞争激烈，需要不断产出创新成果
缺点 / 挑战
- 处于具身智能这一高速发展的前沿赛道，技术挑战大，成长空间广阔
- 适合对具身智能、机器人学习有强烈兴趣，具备扎实深度学习基础，并渴望在技术前沿挑战自我的算法工程师
角色解读
- 从具身算法工程师成长为具身智能领域的算法专家
- 有机会晋升为技术团队负责人，带领团队进行前沿算法研发
- 在机器人、人工智能领域持续深耕，成为行业顶尖人才
- 负责机器人数据采集的规划与质量分析，为模型训练提供高质量数据
- 参与世界动作模型（WAM）的算法创新、模型结构设计与训练优化
- 跟踪具身智能、VLA/WAM等前沿技术，进行调研与分析
- 负责模型在真实机器人平台上的部署、调试与性能评估
- 扎实的编程能力，精通PyTorch等深度学习框架
- 深入理解Transformer、DiT等基础模型架构
- 熟悉Diffusion Model、Flow-Based Model等生成模型
- 了解ACT、Diffusion Policy等模仿学习方法，以及VLA/WAM等前沿模型
申请策略
- 了解智元机器人的产品和技术方向，在面试中展示对具身智能领域的深刻理解
- 准备一个完整的项目案例，详细说明你在算法设计、训练和部署中的具体贡献
- 突出在VLA、WAM、模仿学习等方向的项目经验
- 强调使用PyTorch进行模型训练和部署的实践经验
- 展示在顶级会议或期刊发表的相关论文
- 详细描述在真实机器人平台上进行部署和调试的经历
- 深入学习VLA、WAM等前沿模型的结构和实现细节
- 补充机器人学、控制理论等相关知识
面试指南
- 回答技术问题时，采用STAR法则，清晰阐述背景、任务、行动和结果
- 对于前沿技术问题，展示你的思考过程，并结合具体实现细节
- 强调你的工程实践能力，并说明如何将算法落地到真实场景
- 请详细介绍一下你参与过的VLA或WAM相关项目
- 如何设计一个数据采集方案来为模仿学习提供高质量数据？
- 谈谈你对Diffusion Policy和ACT等模仿学习方法的理解
- 在将模型部署到真实机器人时，你遇到过哪些挑战？如何解决？
- 你对世界动作模型（WAM）的未来发展有何看法？
职位点评
薪资福利70
成长发展95
工作生活40
使命价值85
薪资福利
70中等
职位描述未明确薪资和福利，但作为B轮融资的中大型企业，薪资水平可能具有竞争力。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
95较高
该职位处于具身智能前沿领域，涉及VLA/WAM等先进技术，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈PyTorch、Transformer、DiT、Diffusion Model、Flow-Based Model、ACT、Diffusion Policy、VLA、WAM
业务类型profit_center
工作生活
40较低
职位描述未提及工作模式，但作为研发岗位，可能以现场办公为主，工作强度可能较大。
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
具身智能是推动机器人技术发展的关键领域，具有较高的社会价值和行业前景。
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