智元机器人
具身智能算法岗 - VLA方向-智鼎子公司
具身智能算法岗 - VLA方向-智鼎子公司
发布于 大约 1 小时前普通员工/个人贡献者
上海市
初级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Pytorch
Vla
分布式训练
多模态
大模型
强化学习
扩散模型
机器人学
模仿学习
AI 估算 · 20k–30k
上海AI算法应届硕士，具身智能风口，B轮公司薪资有竞争力，考虑市场行情和职位前景。
职位详情
关于这个职位
该职位参与具身智能 VLA 大模型的研发，覆盖模型架构设计、训练与微调全流程，并复现业界前沿模型进行算法创新
你将负责多模态数据处理 pipeline 建设，并在仿真与真机上完成闭环验证
适合对机器人学习充满热情的应届硕士，能快速接触端到端模仿学习与强化学习等前沿技术
最低要求
/2025 届应届毕业生，计算机、人工智能、自动化、机器人、电子工程、数学等相关专业，硕士及以上学历
扎实的机器学习/深度学习基础，熟悉 Transformer、多模态大模型、扩散模型/流匹配等核心原理
熟悉至少一种主流 VLA 模型（如 π0.5、OpenVLA、RT-2、RDT 等）的原理与实现，了解其数据处理与训练流程
熟练使用 PyTorch（或 JAX），具备大规模/分布式模型训练经验
良好的工程能力与代码习惯，能独立完成实验设计、调试与结果分析
对具身智能/机器人学习有强烈热情，学习能力强，具备良好的沟通与团队协作能力
工作职责
参与具身智能 VLA 大模型的研发，涵盖模型架构设计、预训练与后训练/微调全流程
跟踪并复现业界前沿 VLA 工作(如 π0 / π0.5、RT-2、OpenVLA、RDT、GR00T 等)，针对真机场景做算法改进与创新
参与机器人多模态数据(视觉、语言、本体感知、动作)的采集、清洗、标注与处理 pipeline 建设，构建高质量训练数据集
负责模型训练、评测与部署，在仿真与真机上完成闭环验证与快速迭代
探索模仿学习、强化学习、flow matching / diffusion policy 等技术的应用
AI 洞察
优缺点分析
优点
- 位于具身智能最前沿的VLA方向，技术含金量高，积累端到端模仿学习与强化学习经验
- 公司（智元机器人）在机器人领域有较强技术背景，B轮融资带来充足资源
- 应届生即可参与大模型全流程研发，快速提升工程与科研能力
- 技术难度大，需要同时掌握多模态、大模型、机器人控制等多个领域知识
- 竞争激烈，头部候选人往往有顶会论文或相关竞赛经历
- 工作强度可能较大，研发节奏快，需快速迭代实验
- 适合对机器人学习有强烈热情、自学能力强、具备扎实深度学习基础的应届硕士
- 特别适合想在具身智能领域深耕的同学
缺点 / 挑战
暂无明显挑战项
角色解读
- 从VLA算法研究员成长为具身智能领域的专家，主导核心算法研发
- 可向技术负责人（Tech Lead）方向转型，带领团队攻克技术难题
- 具备创业可能，具身智能是机器人行业的前沿赛道，技术积累有极高价值
- 负责VLA大模型的架构设计与训练，包括预训练和微调全流程
- 跟踪并复现业界前沿模型（如π0.5、RT-2等），针对真实机器人场景进行算法改进
- 参与多模态数据的采集、清洗与处理pipeline建设，构建高质量训练数据集
- 在仿真和真机上完成模型评测与闭环验证，快速迭代算法
- 扎实的深度学习基础，熟悉Transformer、多模态大模型、扩散模型等核心原理
- 熟悉至少一种主流VLA模型，了解其数据处理与训练流程
- 熟练使用PyTorch或JAX，具备大规模分布式训练经验
- 良好的工程能力和代码习惯，能独立设计实验并分析结果
申请策略
- 关注智元机器人的技术博客或开源项目，了解其技术栈和业务方向
- 在面试中展现对具身智能的热情，可以提出自己对VLA未来发展的思考
- 重点突出与VLA、多模态大模型、模仿学习或强化学习相关的项目或研究经历
- 展示PyTorch分布式训练经验，如使用DataParallel、FSDP等
- 如有复现经典模型（如RT-2、π0）的经历，务必详细描述
- 强调工程能力：数据处理、实验设计、结果分析等
- 提前复现一个主流VLA模型（如OpenVLA）并跑通训练流程
- 熟悉Robotics仿真环境（如Isaac Gym、MuJoCo）和真机部署流程
面试指南
- 对于原理类问题，按照“模型结构→训练数据→损失函数→训练流程”的框架回答
- 对于工程问题，使用“场景描述→方案设计→具体实现→优化结果”的STAR结构
- 对于开放性问题，结合业界最新进展（如π0.5、GR00T）展示自己的知识广度
- 请简述VLA模型（如RT-2）的原理和训练流程
- 如何设计一个多模态数据pipeline？有哪些关键环节？
- 你在项目中如何使用PyTorch进行分布式训练？遇到过哪些问题？
- 解释一下扩散模型在机器人动作生成中的应用（如Diffusion Policy）
- 你对具身智能未来的发展趋势怎么看？
职位点评
66
综合评分
前沿具身智能算法岗，技术成长机会极大，薪资未披露但预期较高，WLB不确定。
更适合这类人
最适合强烈追求技术成长、希望站在AI前沿的应届生，愿意投入时间学习与工作，不过度追求工作生活平衡。
表现最好
成长发展
相对薄弱
工作生活
薪资福利50
成长发展95
工作生活40
使命价值80
薪资福利
50较低
职位未披露薪资与福利，仅知公司为B轮中大型企业，上海地区AI算法应届薪资通常较高，但缺乏明确信息，补偿性动机满足程度中等偏低。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
95较高
职位直接切入具身智能VLA前沿方向，涉及最新模型复现、多模态大模型全流程研发，发展性动机极高。
技术前沿前沿/新兴技术
技术栈VLA、多模态大模型、Transformer、扩散模型、流匹配、PyTorch、分布式训练、模仿学习、强化学习
业务类型ambiguous
工作生活
40较低
仅现场办公，未提及弹性工时或WLB，工作地点在上海，未明确说明加班情况，生活化动机满足程度较低。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
具身智能是高速增长赛道，机器人与AI结合对社会生产有积极影响，但JD未明确社会价值表述，意义感动机较好。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs