智元机器人
具身算法工程师- Genie业务部
具身算法工程师- Genie业务部
发布于 大约 1 小时前普通员工/个人贡献者
上海市 / 北京市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Llm
Pytorch
Tensorflow
Vla
多模态大模型
强化学习
机器人
模仿学习
计算机视觉
AI 估算 · 30k–60k
具身智能是前沿赛道，算法岗位稀缺，薪资竞争力强；B轮公司资金充裕，硕士博士学历加上高技能要求，月薪可达3-6万。
职位详情
关于这个职位
该职位负责设计和开发人形机器人的模仿学习和强化学习算法，构建多模态感知与决策大模型，实现机器人在开放世界中的物理交互
你将优化模型结构，与跨职能团队合作推动算法落地，并撰写技术文档与论文
适合在具身智能领域有深厚技术积累的研究型工程师
最低要求
计算机视觉、多模态大模型等相关领域的硕士或博士
精通Python编程语言，熟悉PyTorch、TensorFlow等深度学习框架
熟悉机器人模仿学习、强化学习理论，有相关领域有影响力的Paper者优先
工作职责
设计和开发创新性的模仿学习和强化学习算法，应用于人形机器人场景任务，具备泛化能力
研究并构建具备视觉、触觉、语言等多模态感知和决策能力的大模型，实现机器人在开放世界中的物理交互
优化具身算法模型结构，以支持具身算法的实现和高效运行
与跨职能团队合作，推动具身算法在实际场景中的应用
撰写技术文档和学术论文，分享研究成果并在技术社区中展示创新技术
优先资格
有ACT、MT-ACT、RT1、RT2、Diffusion Policy等算法相关研究背景经验者优先
熟悉LLM/VLM/VLA，了解R3M、RFM、PaLM-E、OpenVLA等多模态具身大模型经验者优先
有目标检测、图像分割、视频处理、6D位姿估计、深度估计、立体视觉、3D点云处理、GraspNet、AnyGrasp等研究背景经验者优先
有实际的机器人、自动驾驶项目经验者优先
AI 洞察
优缺点分析
优点
- 处于具身智能前沿赛道，技术积累价值高，行业处于爆发初期
- 公司已获B轮融资，发展快速，有充足的资源和数据支持研发
- 工作内容涉及多模态大模型、机器人控制等热门技术，职业竞争力强
- 可以发表高水平论文，提升学术影响力
- 技术难度大，需要同时掌握算法、模型和机器人硬件知识
缺点 / 挑战
- 行业标准尚未成熟，可能面临方向调整和重复试错
- 算法落地周期长，需要与硬件团队紧密协作，沟通成本较高
- 适合在机器人、计算机视觉、强化学习领域有深厚研究背景，喜欢挑战前沿技术、有意愿推动技术落地的博士或硕士
角色解读
- 从算法工程师逐步成长为技术专家，主导具身智能核心算法研发
- 向技术负责人或技术总监发展，带领团队攻关复杂算法项目
- 转向机器人产品落地方向，成为机器人系统架构师或CTO
- 设计和开发人形机器人的模仿学习和强化学习算法，提升机器人的泛化能力
- 构建融合视觉、触觉、语言的多模态感知大模型，实现机器人在开放世界中的交互
- 优化算法模型结构以提高运行效率，并推动算法在实际场景中落地
- 与机械、硬件等团队协作，撰写技术文档和学术论文，展示研究成果
- 扎实的机器学习基础，精通模仿学习和强化学习理论
- 熟练掌握Python和深度学习框架（PyTorch/TensorFlow）
- 熟悉多模态大模型（VLM/VLA）及相关研究（如RT系列、PaLM-E）
- 具备计算机视觉、机器人控制或自动驾驶项目经验
申请策略
- 了解智元机器人的产品方向（人形机器人），在求职信中表达对其技术路线的理解
- 如果已有学术论文，建议附上摘要或GitHub链接，突出创新点
- 重点突出模仿学习、强化学习或VLA相关的研究经历和论文
- 展示在计算机视觉、3D点云或多模态大模型方面的项目成果
- 强调实际机器人或自动驾驶项目经验，尤其是从算法到落地的完整案例
- 列出熟悉的算法框架（如ACT、RT系列、Diffusion Policy）及开源贡献
- 如果缺乏机器人项目经验，可以参与开源机器人仿真平台（如MuJoCo、Isaac Gym）练习
- 补充多模态大模型（如LLaMA、CLIP）的微调和部署经验
面试指南
- 对于算法对比类问题，采用“原理→适用场景→优缺点→改进方向”的结构
- 对于设计类问题，先明确任务目标，再分步骤说明数据、模型、训练、评估，并提及可能遇到的难点
- 对于经验类问题，用STAR法则描述具体项目，突出个人贡献和结果
- 请详细解释模仿学习和强化学习在人形机器人中的应用区别
- RT-1和RT-2的核心思想是什么？你如何理解它们在实际部署中的优缺点？
- 设计一个多模态感知模型，用于机器人抓取任务，你会如何选择传感器和网络结构？
- 如何处理强化学习中稀疏奖励的问题？请结合人形机器人移动任务说明
- 你是否有使用Diffusion Policy的经验？它在机器人任务中的优势和局限是什么？
职位点评
72
综合评分
前沿具身智能算法岗，技术成长极快，薪资有竞争力，但需现场办公且强度未明。
更适合这类人
适合追求技术前沿、渴望在具身智能领域快速成长、能接受一定工作强度的研究型人才。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展95
工作生活40
使命价值80
薪资福利
75中等
B轮融资的中大型企业，薪资具有竞争力，但具体福利未在JD中明确，且可能涉及股权激励。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
95较高
该职位处于具身智能前沿技术领域，算法研究性强，有机会发表论文，成长空间极大。
技术前沿前沿/新兴技术
技术栈模仿学习、强化学习、多模态大模型、VLA、PaLM-E、Diffusion Policy
成长机会撰写技术文档和学术论文、分享研究成果并在技术社区中展示
业务类型ambiguous
工作生活
40较低
工作地点在上海或北京的核心办公区，但需现场办公，且新兴机器人公司可能工作强度较大，未明确说明WLB。
工作模式仅现场办公
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
人形机器人技术具有显著社会价值，属于新兴高增长赛道，技术创新性强，但JD未明确提及使命感。
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