具身算法工程师-Genie业务部

优缺点分析

角色解读

• 从具身算法研究员向技术专家或团队负责人发展，主导核心算法方向
• 可深入机器人、自动驾驶等AI应用领域，成为行业顶尖算法人才
• 有机会参与学术顶会论文发表，或转为研究型高级专家
• 设计和开发模仿学习与强化学习算法，使人形机器人具备泛化、稳定、高节拍的操作能力
• 研究多模态感知与决策的具身大模型，实现机器人在开放世界中的物理交互
• 构建具身Agent与Skill研发流程，支持机器人在真实场景中学习和进化
• 优化算法模型结构，确保机器人具备实时操作能力，并研发VLN算法实现自主导航
• 精通计算机视觉、多模态大模型等领域的理论基础，具备硕士或博士学历
• 熟练使用Python及PyTorch、JAX、TensorFlow等深度学习框架
• 熟悉模仿学习、强化学习理论，有相关论文或项目经验者优先
• 了解LLM/VLM/VLA/WAM等大模型，以及ACT、Diffusion Policy等前沿算法

申请策略

• 在求职信中可提及对具身智能行业趋势的理解，以及个人技术方向与Genie业务部的契合度
• 建议提前了解公司Genie Studio平台及其技术架构，展示对产品落地的兴趣
• 重点展示硕士/博士期间发表的具身智能、模仿学习或强化学习相关论文
• 突出在ACT、RT系列、Diffusion Policy等算法的实际项目经验
• 强调机器人或自动驾驶项目的落地经验，尤其是多模态感知与决策
• 建议补充LLM/VLM/VLA等大模型的基础知识，熟悉相关开源项目如OpenVLA
• 可深入学习JAX框架，掌握分布式训练与模型优化技巧

面试指南

• 论述算法原理时，先讲核心思想，再结合具体公式或论文，最后给出实际应用中的调优经验
• 针对系统设计题，从数据、模型、部署三个层面分步回答，强调泛化性和实时性
• 请详细解释Diffusion Policy在机器人操作中的应用原理和优缺点
• 如何设计一个模仿学习算法使机器人学会拧瓶盖？从数据收集到模型部署如何实现？
• 请谈谈你对VLA（Vision-Language-Action）模型的理解，并与传统方法对比
• 在机器人导航任务中，如何处理未知环境中的动态障碍物？
• 你有过在真实机器人上部署算法的经验吗？遇到的主要挑战是什么？
• 重温模仿学习、强化学习经典论文（如ACT、RT-2、Diffusion Policy）并准备代码复现思路