智元机器人
强化学习后训练算法工程师/专家-Genie业务部
强化学习后训练算法工程师/专家-Genie业务部
发布于 大约 14 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Ppo
Pytorch
Sac
Td3
Verl
Vla
具身智能
强化学习
灵巧手
AI 估算 · 35k–70k
上海AI机器人领域，高级算法岗位薪资竞争力强，技能要求前沿，B轮公司薪资处于市场高位，预计月薪3.5-7万
职位详情
关于这个职位
该职位专注于强化学习后训练算法研发，面向真机操作场景，设计高效的RL训练方案，提升机器人的任务成功率与鲁棒性
你将构建VLA模型的RL后训练体系，探索具身智能中的scaling law，并与团队协作推进从训练到部署的完整闭环
适合对强化学习与机器人交叉领域有深入研究和实践经验的工程师
最低要求
硕士及以上学历，计算机/机器人/自动化/AI 等相关专业
具备扎实的深度学习、强化学习知识基础，熟悉 PPO/SAC/TD3 等主流算法，理解 online/offline RL 的差异与适用场景
对前沿 RL 算法有研究与实践经验，如 flow-matching/diffusion/离散 Action Token 的强化学习等
工作职责
负责真机强化学习算法研发，面向在线/离线场景设计高样本效率、稳定可靠的 RL 训练方案，持续提升任务成功率、稳定性与鲁棒性
构建 VLA 模型的 RL 后训练体系，探索具身领域的数据配方与 scaling law，沉淀可复用的训练范式与评测结论
探索灵巧手/双臂等接触丰富（contact-rich）操作任务的策略学习方法，融合触觉、力觉与视觉信息，提升抓取、调整、重抓（regrasp）与精细操作能力
面向复杂与长时序任务，构建训练—评测—迭代闭环，解决真机 RL 中的 reward 设计、自动 reset、安全探索等关键问题
与数据/系统/硬件团队协作，推进模型训练、验证、部署与迭代落地
跟踪 RL 与具身智能前沿进展，撰写技术文档和学术论文
优先资格
有真机闭环训练部署测试经验者、分布式真机强化学习经验者优先
熟悉主流 VLA 路线（π 系列等），有 VLA 后训练/复现/改进经验者优先
有灵巧手/接触操作任务经验，熟悉触觉/力觉建模、in-hand manipulation 等方向者优先
熟练使用 PyTorch、 RLINF、VeRL 等框架者优先
顶会论文或同等研究/工程成果优先（NeurIPS/ICLR/CoRL/RSS/ICRA/IROS 等）
AI 洞察
优缺点分析
优点
- 接触真实的机器人操作任务，积累宝贵的真机RL经验
- 公司处于B轮融资阶段，创业氛围浓厚，个人影响力容易体现
- 真机强化学习调试难度高，需要解决reward设计、安全探索等实际问题
- 技术栈更新快，需要持续学习前沿算法和框架
- 适合对强化学习和机器人领域有强烈兴趣，具备扎实算法基础和动手能力，愿意深入解决真实世界问题的工程师
缺点 / 挑战
- 处于具身智能和机器人前沿赛道，技术挑战性强，发展空间大
- 工作强度可能较高，涉及多团队协作和迭代闭环
角色解读
- 在具身智能领域深耕，成为强化学习后训练方向的专家，主导核心技术突破
- 向技术负责人发展，带领团队构建完整的RL训练与评测体系
- 积累学术成果，发表顶会论文，成为行业内的知名研究者
- 设计并实现面向真机操作的强化学习训练方案，包括reward设计、自动reset和安全探索等
- 构建VLA模型的RL后训练体系，探索数据配方和scaling law，提升模型泛化能力
- 研究灵巧手、双臂等接触丰富任务的策略学习，融合多模态感知信息
- 扎实的深度学习和强化学习基础，熟悉PPO、SAC、TD3等主流算法
- 对前沿RL算法有研究经验，如flow-matching、diffusion、离散Action Token
- 熟悉PyTorch、RLINF、VeRL等框架，具备真机闭环训练部署经验者优先
申请策略
- 在求职信中强调对具身智能的热情和具体技术贡献
- 了解公司Genie业务部的技术方向和产品，展示对业务的理解
- 突出强化学习相关项目经验，尤其是真机/仿真环境下的RL训练成果
- 展示对VLA模型或灵巧手操作等前沿方向的实践经验
- 列出顶会论文或同等研究成果，体现学术能力
- 提前熟悉RLINF、VeRL等分布式RL框架，了解其用法和原理
- 复习PPO、SAC等算法的数学推导，以及online/offline RL的差异
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答项目经验问题
- 对于算法原理问题，先介绍核心概念，再结合个人理解举例说明
- 请详细解释PPO算法的核心思想和实现细节
- 如何设计一个稳定可靠的真机强化学习训练流程？
- 分享一个你处理过的复杂RL项目，包括遇到的挑战和解决方案
- VLA模型的后训练与标准RL有何不同？如何设计数据配方？
- 复习强化学习经典论文和最新进展，特别是PPO、SAC、diffusion等
- 准备一个完整的真机RL项目案例，从问题定义到最终部署的流程
职位点评
71
综合评分
前沿AI机器人领域，技术导向强，薪资高但WLB一般。
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
适合追求技术成长和前沿探索，对薪资和股权有期待，能接受较高工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利
75中等
薪资处于行业高位，B轮融资公司提供股权激励潜力，但未明确提及福利细节。
薪资信号未披露（AI估算：35K-70K/月）
成长发展
90较高
技术栈前沿，涵盖RL、VLA、灵巧手等多方向，成长空间大，鼓励学术产出。
技术前沿前沿/新兴技术
技术栈强化学习、PPO、SAC、TD3、VLA、触觉感知、PyTorch、RLINF、VeRL
成长机会撰写技术文档和学术论文
业务类型ambiguous
工作生活
40较低
仅现场办公，未提及弹性工作或WLB，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
70中等
具身智能是高速增长赛道，技术对社会有潜在积极影响，但偏技术研发，直接社会意义有限。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs