智元机器人
机器人 AIGC 算法工程师
机器人 AIGC 算法工程师
发布于 24 分钟前普通员工/个人贡献者
全职员工仅现场办公机器人开发
机器人开发
3D动画
Aigc
Diffusion
Dit
Pytorch
动作生成
多模态生成
机器人
计算机视觉
值不值得投
74综合评分
综合评分 74
前沿AI算法岗位，技术挑战大，薪资有竞争力，WLB需确认
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。
薪资怎么样
33K
与机器人开发中位数基本持平
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 1410 个在招 · 其中机器人开发 32 个
市场机会
选择适中
上海 · 机器人开发 · 45 个在招
职位详情
关于这个职位
这个职位负责机器人动作、手势、表情等AIGC算法的研究与落地，通过多模态生成技术（如文本/音频到动作、手势生成、唇语同步）提升机器人的自然度和表现力
工作涉及Transformer、Diffusion等生成模型的研究，以及结合机器人本体进行动作重定向和真机部署，推动算法在真实场景中的产品化应用
最低要求
计算机视觉、AI、机器人、图形学等相关专业硕士及以上学历，博士优先
具有 Human Motion Generation、3D Animation、Gesture/Facial Generation、Digital Human 等相关经验
熟悉 Transformer、Diffusion、DiT 等生成模型及 PyTorch
熟悉三维人体动画、骨骼、IK/FK、动作重定向等相关技术
具备较强算法研究与工程落地能力
工作职责
研究文本、语音、音乐、视频等多模态驱动的动作与表情生成，包括 Text/Audio-to-Motion、Gesture Generation、Lip Sync 等
研究 Transformer、Diffusion/DiT 等生成模型，重点突破长序列生成、实时流式生成、多模态对齐与动作连续性
结合机器人本体开展动作重定向、IK/FK、运动学约束及可执行性优化，推动真机部署与产品化落地
建设动作及多模态数据训练、评测和迭代体系，持续提升模型泛化能力
优先资格
有机器人、数字人、游戏角色动画或实时交互项目落地经验
有大规模动捕/人体动作数据训练经验，熟悉 MetaHuman、Unreal Engine 等工具链
有多模态生成、长序列生成、流式生成或生成式基础模型研发经验
在 CVPR、ICCV、ECCV、SIGGRAPH、NeurIPS、ICLR 等顶会发表相关论文者优先
AI 洞察
优缺点分析
优点
- 公司处于B轮中大型企业阶段，有较好的发展势头和资源支持
- 工作涉及多学科交叉，能积累宝贵的跨领域经验
- 研究成果可直接应用于真实产品，落地成就感高
- 机器人部署涉及硬件约束，算法落地可能面临实际环境复杂性
- 适合对机器人学和生成式AI有浓厚兴趣，具备扎实算法基础和工程能力，乐于攻克技术难题并推动实际应用的求职者
缺点 / 挑战
- 身处前沿AI和机器人领域，技术挑战性强，成长空间大
- 技术难度高，需要持续跟进学术前沿和工程优化，学习压力大
- 行业竞争激烈，对创新能力和执行力要求较高
角色解读
- 从算法工程师成长为技术专家或团队负责人，主导机器人AI核心模块
- 向机器人系统架构师或AI产品经理方向发展，参与整体技术规划
- 在生成式AI和机器人交叉领域持续深耕，成为行业顶尖研究者
- 研究并开发机器人动作、手势、表情的AIGC算法，提升自然度和表现力
- 攻克多模态生成技术难点，如实时流式生成和多模态对齐
- 将算法落地到真实机器人平台，进行动作优化和产品化部署
- 构建数据训练和评测体系，持续迭代提升模型性能
- 精通Transformer、Diffusion等生成模型及PyTorch框架
- 熟悉三维人体动画、骨骼绑定、IK/FK等动画技术
- 具备计算机视觉和机器人学基础知识
- 拥有较强的算法研究能力和工程落地经验
申请策略
- 仔细研究智元机器人的产品方向和业务重点，在面试中展示与公司目标的契合度
- 准备一个从算法研究到工程落地的完整项目案例，阐述遇到的挑战和解决方案
- 提前了解机器人AIGC领域的最新论文和技术趋势，体现技术前瞻性
- 突出在Human Motion Generation、3D动画或数字人相关项目中的具体贡献
- 详细描述使用Transformer、Diffusion等模型进行算法研究的经验
- 强调算法从研究到真机部署的完整落地案例，展示工程能力
- 列出相关顶会论文或技术博客，证明研究实力
- 深入学习机器人学和运动学知识，特别是IK/FK和动作重定向技术
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化描述项目经验
- 从技术原理、实现难点、优化方法和实际效果等维度分析算法问题
- 结合机器人硬件约束和实际应用场景，说明算法落地的考虑因素
- 请介绍你在多模态生成或动作生成方面的研究经验
- 如何解决机器人动作生成中的长序列实时性和连续性问题？
- 描述一个你将算法从研究部署到真实机器人的项目案例
- 你对Transformer和Diffusion模型在机器人应用中的优劣有什么理解？
- 如何评估和提升动作生成模型的自然度和泛化能力？
职位点评
薪资福利70
成长发展85
工作生活60
使命价值80
薪资福利
70中等
该职位薪资在市场中上水平，但JD未明确披露具体待遇和福利，补偿性动机满足程度中等。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
职位涉及前沿生成模型和机器人技术，有显著的技能成长和研究机会，但未提及具体培训或晋升路径。
技术前沿前沿/新兴技术
技术栈Transformer、Diffusion、DiT、PyTorch、多模态生成
业务类型ambiguous
工作生活
60中等
JD未明确工作模式、办公地点类型和加班情况，生活化动机满足程度有限且不确定。
工作模式未明确
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
机器人和AI领域处于高速增长赛道，具有较高的社会影响力和创新性，但JD未提及具体使命或价值观。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs