智元机器人
具身 Agent 算法工程师 / 专家
具身 Agent 算法工程师 / 专家
发布于 大约 13 小时前普通员工/个人贡献者
上海市 / 北京市
中级经验
全职员工
仅现场办公
硕士
机器学习工程
Llm
Pytorch
Vlm
世界模型
具身智能
层级规划
强化学习
机器人
模仿学习
AI 估算 · 30k–70k
具身智能赛道热门，算法人才稀缺，薪资竞争力强，B轮公司可能附加股权激励。
职位详情
关于这个职位
这是一个深入研究具身智能前沿算法的岗位，你将参与构建机器人任务决策闭环，探索层级规划与世界模型
适合对LLM/VLM Agent、强化学习有扎实基础的候选人，能在快速发展的赛道中获得成长
最低要求
硕士及以上学历，机器学习/机器人/计算机视觉/自然语言处理等相关方向
熟悉 LLM/VLM Agent 相关研究方向，理解 planner-executor、ReAct、tool use、multi-step reasoning 等基本范式
熟悉强化学习/模仿学习/离线 RL 中至少一类方法（PPO/SAC/IL/BC/DAgger 等），具备实战经验
熟练 PyTorch，具备较强实验能力，能快速复现论文并提出改进方案
工作职责
研究并构建面向机器人任务的具身 Agent 框架，实现“语言指令 → 任务分解 → 技能选择 → 闭环执行 → 失败恢复”的完整决策闭环
探索层级式决策与规划算法（Hierarchical Planning），包括 task decomposition、subgoal generation、skill chaining、long-horizon reasoning
研究具身场景下的 Agent 记忆与状态表示（memory/state abstraction），支持跨回合学习、长期任务与多步推理
研究 Agent 的自我纠错与可靠性机制，包括 self-reflection、verification、critic-based correction、uncertainty estimation、replan
探索世界模型与 Agent 的结合（world-model-based planning / model-based RL），实现可推演、可验证的决策策略
构建具身 Agent 的评测体系与 benchmark，沉淀可复用的任务集、指标体系与 scaling 规律
优先资格
具备顶会论文或同等研究成果优先（NeurIPS/ICLR/ICML/CoRL/RSS/ICRA/CVPR 等）
AI 洞察
优缺点分析
优点
- 身处具身智能这一高成长赛道，技术前沿性强，个人成长空间大
- 工作内容覆盖规划、感知、控制，知识面广，能提升综合能力
- 公司处于B轮，有发展潜力，可能获得股权激励
- 与顶尖研究人才合作，有发表顶级论文和参加学术会议的机会
- 领域交叉复杂，需要同时掌握NLP、CV、RL和机器人知识，学习曲线陡峭
- 工作不确定性高，技术路线尚未统一，可能面临方向调整
- 算法工程化难度大，需要处理真实机器人系统中的噪声和不确定性
- 适合对具身智能和Agent方向有强烈热情、具备扎实算法基础且能适应快速变化的研究型工程师
缺点 / 挑战
- 高强度研究压力，可能要求快速迭代和产出成果
角色解读
- 技术路线：从算法工程师成长为具身智能专家，深入世界模型、多模态决策等领域
- 管理路线：未来可带领小团队负责核心模块，逐步转向技术管理
- 行业机会：具身智能是AI下一个前沿，积累经验后可向机器人公司、大厂AI Lab或创业团队发展
- 设计并实现具身Agent框架，将语言指令转化为机器人的具体行动计划并执行
- 研究层级式规划算法，包括任务分解、子目标生成和技能链，处理长期任务推理
- 开发Agent的记忆与状态管理机制，支持多回合学习和自我纠错
- 构建世界模型进行模型预测控制，并搭建评测基准验证算法性能
- 扎实的机器学习基础，熟悉LLM/VLM Agent相关范式如ReAct、tool use
- 熟练掌握至少一种强化学习/模仿学习方法（如PPO、BC），并有实战经验
- 熟练使用PyTorch进行深度学习模型训练和实验
- 具备较强的研究能力和工程实现能力，能快速复现论文并改进
申请策略
- 了解智元机器人的产品和研究方向，在申请中表达对其技术路线的认同
- 准备一个与具身智能相关的深度技术问题或项目，展示解决问题的能力
- 突出在LLM/VLM Agent、强化学习或机器人领域的项目经验和研究成果
- 展示你复现或改进过的论文，特别是与ReAct、planning、RL相关的
- 如有顶会论文或开源项目，一定要突出
- 强调PyTorch熟练度和工程实现能力，如部署过真实机器人或仿真环境
- 补充学习具身Agent相关的最新论文，如RT-2、PaLM-E、Voyager等
- 加强强化学习实践，尝试在仿真环境（如MuJoCo、Isaac Gym）中实现PPO等算法
面试指南
- 对于设计类问题，从任务分解、模块设计、接口定义和可行性分析几个角度回答
- 对于算法原理问题，先解释核心概念，再结合自己的理解举例说明
- 对于实践问题，遵循'问题-思路-实现-优化'的结构，突出实验细节和关键决策
- 请描述你如何设计一个基于LLM的机器人任务规划系统？
- 解释ReAct范式的原理，并结合一个具体任务说明
- 你如何使用强化学习训练一个机器人策略？遇到收敛问题如何处理？
- 介绍一下你在PyTorch中实现过的最复杂模型，遇到过哪些技术挑战？
- 你如何看待世界模型在具身智能中的应用前景？
职位点评
74
综合评分
前沿具身智能算法岗，技术成长空间大，但工作强度不确定，适合热爱研究的工程师。
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。
更适合这类人
最适合追求技术挑战和职业成长的求职者，对工作生活平衡要求高的人需谨慎考虑。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展92
工作生活55
使命价值85
薪资福利
65中等
该职位薪资竞争力强但未明确公布，B轮公司稳定性中等，福利信息缺失。
薪资信号未披露（AI估算：30K-70K/月）
成长发展
92较高
职位处于具身智能技术前沿，涉及多种先进算法，研究与工程能力都能获得显著提升。
技术前沿前沿/新兴技术
技术栈LLM、VLM、强化学习、PyTorch、世界模型、ReAct、模仿学习
业务类型ambiguous
工作生活
55较低
工作地为上海/北京，需现场办公，未提及弹性或远程，工作强度可能较高。
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
85较高
具身智能是改善人类生活的重要方向，技术影响深远，行业增长迅速。
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）
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs