智元机器人
灵巧手运控智能工程师-临界点子公司
灵巧手运控智能工程师-临界点子公司
发布于 大约 6 小时前普通员工/个人贡献者
全职员工仅现场办公机器人开发
机器人开发
Ros2
Sim-To-Real
具身智能
强化学习
机器人学
模仿学习
点云处理
计算机视觉
值不值得投
71综合评分
综合评分 71
前沿技术岗位、高成长性、高技术挑战，薪资有竞争力但工作生活平衡待确认。
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
比机器人开发中位数高
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 1450 个在招 · 其中机器人开发 42 个
市场机会
选择面较广
上海 · 机器人开发 · 55 个在招
职位详情
关于这个职位
该职位是智元机器人公司的核心算法研发岗，专注于灵巧手操作与机器人感知技术
你将负责搭建和优化从仿真环境（MuJoCo/Isaac Gym）到真实机器人平台的完整算法链路，旨在构建能“看得懂、抓得住”的具身智能系统，工作内容涵盖运动控制、强化学习、视觉感知及系统集成
最低要求
教育背景：硕士及以上，控制、机器人、自动化、计算机、AI等相关专业
技能要求：
熟悉机器人学基本原理（坐标变换、FK/IK、动力学方程）
具备Python/C++编程能力，熟悉ROS2、基本架构
熟悉至少一种物理仿真器（e.g. MuJoCo、Isaac Gym/Lab、PyBullet）
了解基础的数值优化（如QP求解）及经典控制理论（PID、LQR）
熟悉目标检测（YOLO、DETR）、分割（SAM）或位姿估计（FoundationPose）等感知算法
熟悉点云处理算法与库（如PCL、Open3D），掌握点云滤波、分割、配准、重建等常用方法
工作职责
灵巧手操作算法：
在MuJoCo或Isaac Gym/Lab环境下搭建灵巧手/机器人模型，完成参数标定与物理特性调优
实现运动学正逆解与动力学分析，负责强化学习/模仿学习策略的训练与测试
负责Sim-to-Real全流程：处理数据、调试控制逻辑、优化迁移效果，缩小仿真与真机差距
开发遥操作系统，优化重定向算法，支持高效数据采集与技能泛化
机器人感知算法：
研发与优化目标检测、分割、位姿估计等视觉感知算法
融合RGB-D与触觉等多模态信息，提升物体识别与抓取点预测精度
处理场景点云与物体级点云，支持语义理解与几何分析
部署视觉模型至真机平台，优化推理速度与资源占用
系统集成与迭代：
配合团队提供语义地图、物体属性等感知输出，支撑灵巧手决策与操作
跟踪机器人操作与感知领域最新成果，完成关键论文的复现与改进
优先资格
加分项：
有强化学习/模仿学习项目经验
有灵巧手、多指操作或接触丰富任务经验
有Sim-to-Real落地经验
有具身智能、机器人抓取或VLA模型相关经验
在机器人或机器学习顶会（RSS、CoRL、ICRA、IROS、CVPR、ICCV、NeurIPS等）发表过论文
AI 洞察
优缺点分析
优点
- 技术栈前沿，直接参与具身智能这一前沿领域的核心算法研发与落地，技术成长空间大
- 能获得从仿真建模、算法研发到真机部署的全栈项目经验，实践机会宝贵
- 公司处于成长期（B轮），有机会接触到核心项目并快速积累影响力
- 技术难度高，需要融合机器人学、控制、机器学习、计算机视觉等多领域知识，对学习能力和综合能力要求极高
- 适合对机器人学有浓厚兴趣，具备扎实算法基础，并乐于解决复杂工程问题，追求技术深度与前沿探索的硕士及以上学历求职者
缺点 / 挑战
- Sim-to-Real落地过程可能面临诸多工程挑战，需要解决理论与现实的差距
- 具身智能领域发展迅速，需持续跟踪前沿论文并快速工程化，工作强度和压力可能较大
角色解读
- 在具身智能领域深耕，成为灵巧操作或机器人感知方向的算法专家
- 随着项目经验积累，可向技术负责人或架构师方向发展，负责更复杂的系统设计
- 在前沿学术与工业界结合的领域，有机会推动技术落地并探索商业化应用
- 负责在MuJoCo/Isaac Gym等仿真环境中开发和优化灵巧手的操作算法，包括运动控制和强化学习策略
- 研发机器人视觉感知算法，处理RGB-D、点云等多模态数据，实现目标识别与抓取点预测
- 打通仿真到真机的部署流程，并将感知模块与操作系统集成，形成完整的具身智能解决方案
- 扎实的机器人学理论基础，包括运动学、动力学和经典控制理论
- 熟练的Python/C++编程能力，以及ROS2等机器人操作系统开发经验
- 在物理仿真器（如MuJoCo）中进行模型搭建、训练和Sim-to-Real迁移的实践能力
- 熟悉主流计算机视觉算法，特别是目标检测、分割、位姿估计及点云处理
申请策略
- 在求职信或面试中，可以阐述你对“具身智能”和“灵巧手操作”未来应用场景的理解，展现你的行业洞察力
- 可以准备一个关于如何将某个感知或控制算法从仿真迁移到真机环境的思考框架或实践经验
- 重点突出与仿真环境（MuJoCo/Isaac Gym）、强化学习/模仿学习、视觉感知（点云、检测分割）相关的项目经验
- 展示使用C++/Python进行机器人算法开发、ROS2集成以及解决具体机器人控制或感知问题的案例
- 如有相关顶会论文或开源项目贡献，务必在简历中醒目列出
- 针对JD要求，系统复习机器人运动学、动力学及经典控制理论（如PID、LQR）
- 深入研究并实践至少一种仿真器中的Sim-to-Real流程，理解域随机化等关键技术
- 跟进视觉感知领域的最新进展，特别是与机器人抓取相关的多模态感知算法
面试指南
- 针对技术问题，采用“背景（问题）- 方法（原理）- 实践（挑战与优化）- 结果（效果）”的结构进行阐述，重点突出你的技术深度和工程解决问题的能力
- 对于系统设计问题，先明确核心目标和约束条件，再分模块阐述技术选型、接口设计和验证方法
- 展示你的学习能力和对新技术的热情，可以简要提及你最近关注的论文或技术动态
- 请描述你在MuJoCo或Isaac Gym中进行Sim-to-Real迁移的具体经验，遇到的主要挑战和解决方案是什么？
- 如何设计一个鲁棒的机器人抓取感知系统？请从多模态信息融合的角度谈谈你的思路
- 解释一下强化学习策略在机器人灵巧操作中的应用难点，以及如何提高策略的泛化能力？
- 你在项目中如何处理点云数据？请举例说明点云配准或分割的具体算法选择和优化过程
- 复习强化学习（如PPO、SAC算法）和模仿学习的基础，并思考它们在机器人控制中的应用差异
职位点评
薪资福利65
成长发展90
工作生活50
使命价值75
薪资福利
65中等
该职位薪资水平预计处于市场中上，但作为B轮成长期公司，福利体系可能不如成熟大厂完善。
薪资信号面议 (30K-50K/月)
福利待遇五险一金
成长发展
90较高
该职位处于具身智能技术前沿，涉及全栈算法研发，能提供极高的技术挑战和快速的专业能力成长机会。
技术前沿前沿/新兴技术
技术栈强化学习、模仿学习、Sim-to-Real、MuJoCo、Isaac Gym、点云处理、计算机视觉、具身智能
业务类型profit_center
工作生活
50较低
职位描述未提及办公模式和工作时间，基于行业特性推断为现场办公，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
75中等
该职位投身于具身智能这一前沿领域，致力于解决机器人与物理世界交互的核心问题，具有较高的创新性和探索价值。
行业发展高速增长赛道
社会影响中性/一般
使命信号构建“看得懂、抓得住”的具身智能系统
创新程度开拓性创新（行业首创）
Watch Jobs