智元机器人
多模交互系统方案实习生
多模交互系统方案实习生
发布于 3 小时前实习/见习
实习生仅现场办公具身智能
具身智能
Asr
Ros2
Tts
多模态大模型
视觉交互
语音交互
值不值得投
77综合评分
综合评分 77
前沿具身智能赛道、多模态大模型核心技术栈、成长空间极大，但研发节奏与挑战较高。
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
6千
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 1440 个在招 · 其中具身智能 27 个
市场机会
选择适中
上海 · 具身智能 · 49 个在招
职位详情
关于这个职位
该职位主要负责机器人多模交互能力的系统方案与功能设计，涵盖语音、视觉及多模态大模型的集成与优化
你需要参与复杂交互流程的编排、真实场景下的专项调优，并协调多团队推进优化闭环，是连接算法、软硬件与用户体验的核心枢纽
最低要求
硕士研究生及以上学历在读，计算机、人工智能、机器人、自动化、电子信息、声学等相关专业
具备语音交互相关的项目、课题、竞赛或实习经验
至少熟悉以下能力中的多个方向：语音 3A、语音唤醒、ASR、TTS、人脸识别、目光跟随或多模态交互大模型
理解语音和视觉交互的基本链路，能够围绕功能效果、时延、噪声、误唤醒和异常场景开展分析与验证
熟练使用 Python，具备良好的代码开发和调试能力
具备 C++ 开发能力者优先
熟悉 Linux 和 Git，具备良好的实验设计、文档输出和跨团队沟通能力
工作职责
参与机器人多模交互能力的系统方案和功能设计，梳理模块边界、交互流程、接口定义及验证标准
推进语音交互、视觉交互和多模态大模型相关功能的开发、集成与测试验证
参与语音 3A 能力，即 AEC 回声消除、ANS 噪声抑制和 AGC 自动增益控制，以及唤醒、语音识别、语义理解和语音播报链路的调试优化
参与人脸识别、目光跟随、用户状态感知和视觉事件触发等功能开发，推动语音、视觉与机器人状态的融合
参与本地及云端多模态大模型的接入、效果评测、响应时延优化和异常降级设计
参与复杂交互流程的编排和设计，覆盖多轮交互、事件触发、任务确认、打断恢复及异常分支，并通过原型开发与测试验证方案可行性
验证多模语音交互在真实复杂场景中的实际效果，围绕噪声、回声、多人交互、远场语音、遮挡、弱网和任务并发等问题开展专项调优
作为对应场景的系统方案负责人，完成问题归因、优化目标拆解和策略设计，协调算法、软件、硬件及测试团队推进专项优化闭环
建立覆盖准确率、响应时延、噪声适应性、交互成功率和异常恢复能力的测试方案，分析问题并推动闭环
沉淀系统方案、接口文档、配置说明、测试用例和验证记录
优先资格
有真实设备或机器人上的语音、视觉、多模态交互功能开发经验
熟悉 VLM、LLM、端侧模型部署或本地与云端模型协同方案
熟悉 ROS2、OpenCV、音频信号处理、深度学习框架或自动化测试
有开源项目、论文、专利或高质量机器人竞赛经历
AI 洞察
优缺点分析
优点
- 处于具身智能与多模态大模型的最前沿赛道，技术壁垒高，行业前景广阔
- 能深度参与机器人真实场景落地，积累从算法集成到系统调优的全链路工程经验
- 作为明星独角兽的实习生，有机会接触顶尖技术团队与核心业务
- 多模态交互涉及软硬件协同，问题归因复杂，对系统排查和跨团队协调能力要求极高
- 真实场景下的噪声、弱网等长尾问题调优难度大，需要极强的耐心与实验设计能力
- 适合对机器人和AI大模型充满热情，具备扎实代码能力与系统思维，且渴望在具身智能前沿领域深耕的硕士及以上在校生
缺点 / 挑战
暂无明显挑战项
角色解读
- 短期可成长为多模态交互系统专家，掌握机器人端云协同与大模型落地核心技术
- 长期可向具身智能系统架构师或AI产品技术负责人方向发展，主导下一代机器人交互体验
- 负责机器人多模交互（语音、视觉、大模型）的系统方案设计与功能落地
- 推进语音3A、人脸识别等底层能力的调试优化，以及复杂交互流程的编排与原型开发
- 作为场景负责人协调软硬件及算法团队，解决真实场景下的交互痛点并建立测试验证标准
- 扎实的Python/C++编程能力，熟悉Linux与Git等开发工具
- 深入理解语音交互（ASR/TTS/3A）与视觉交互链路，具备多模态大模型接入与评测经验
- 具备优秀的系统思维与跨团队沟通能力，能独立完成问题归因与策略设计
申请策略
- 深入了解智元机器人的核心产品及其交互现状，准备针对现有产品交互痛点的优化建议
- 在面试中展现跨团队沟通与问题拆解能力，用STAR法则讲述过往解决复杂系统Bug的经历
- 突出在语音3A、ASR/TTS或视觉交互（人脸识别/目光跟随）相关的项目或竞赛经历
- 强调多模态大模型（VLM/LLM）的接入、端侧部署或效果评测经验
- 展示使用Python/C++在Linux环境下进行系统开发、调试及ROS2/OpenCV的实际项目成果
- 提前熟悉ROS2框架及音频信号处理基础，了解端侧模型部署与云边协同方案
- 复习并实践多轮对话状态机设计、异常分支处理及交互时延优化的具体策略
面试指南
- 采用STAR法则：情境（真实场景痛点）-> 任务（优化目标）-> 行动（具体算法/工程手段、跨团队协作）-> 结果（量化指标提升）
- 系统排查框架：从数据流（采集->处理->决策->执行）逐层拆解，结合日志与监控定位瓶颈，提出短期兜底与长期优化方案
- 在真实复杂场景（如高噪声、远场）中，你是如何优化语音交互成功率和响应时延的？
- 请描述一个你主导的多模态交互流程设计，如何处理打断恢复及异常分支？
- 当语音、视觉与机器人状态融合出现冲突或延迟时，你的排查思路和归因方法是什么？
- 针对本地与云端多模态大模型的协同，你如何设计异常降级策略以保证用户体验？
- 准备1-2个深度参与的多模态/语音/视觉交互项目，重点梳理系统架构图、接口定义及核心难点的解决过程
- 了解当前多模态大模型（如端到端语音大模型、VLM）的最新进展及其在机器人端侧部署的挑战
职位点评
薪资福利70
成长发展95
工作生活50
使命价值85
薪资福利
70中等
作为明星独角兽的实习岗，津贴水平在AI与机器人领域处于市场中上，但实习生整体薪酬绝对值受限于学生身份。
薪资信号未披露（AI估算：4–8千/月）
成长发展
95较高
岗位直击具身智能与多模态大模型核心，技术栈极其前沿，且能深度参与系统级方案设计与真实场景落地，成长空间巨大。
技术前沿前沿/新兴技术
技术栈多模态大模型、VLM、LLM、语音3A、ASR、TTS、ROS2、OpenCV、端侧模型部署
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB信息，但作为硬科技研发实习岗，且涉及真实场景调优与跨团队协调，工作节奏可能较快。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
具身智能是未来改变人类生产生活方式的颠覆性赛道，参与机器人多模交互研发具有极高的科技使命感与行业社会价值。
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