智元机器人
具身 Agent 算法研究员-Genie业务部
具身 Agent 算法研究员-Genie业务部
发布于 1 天前普通员工/个人贡献者
上海市 / 北京市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Llm
Pytorch
Vlm
世界模型
具身智能
强化学习
模仿学习
离线Rl
层级式规划
AI 估算 · 35k–60k
基于高级研究岗要求及上海北京薪酬水平，结合B轮融资阶段，薪资具有较强竞争力。
职位详情
关于这个职位
该职位属于智元机器人Genie业务部，专注于具身Agent算法研究
你将负责构建机器人任务的具身Agent框架，实现从语言指令到闭环执行的完整决策闭环，并探索层级规划、记忆表示、自我纠错与世界模型等前沿技术，推动机器人智能体的能力边界
适合对具身智能有强烈兴趣、具备强化学习和LLM/VLM研究经验的高端算法人才
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
- 与研究社区紧密联系，有顶会合作与论文发表机会
- B轮融资阶段，期权潜力大，公司处于快速扩张期
- 算法难度高，需同时掌握LLM、强化学习、机器人学等多领域知识
- 研究成果要求高，需持续产出顶级论文或可落地的技术突破
- 行业竞争激烈，需要保持快速学习和技术敏感度
缺点 / 挑战
- 身处具身智能前沿赛道，技术挑战大，成长空间广阔
- 适合对具身智能有强烈热情、具备扎实算法研究背景、渴望在顶级技术舞台上挑战自我的候选人
角色解读
- 技术专家路线：深入研究具身Agent核心算法，成为该领域权威
- 技术管理路线：带领团队攻关复杂项目，逐步转型为团队Leader
- 产品落地路线：将研究成果转化为实际机器人产品，推动商业化应用
- 构建具身Agent决策框架，实现语言指令到机器人动作的完整闭环
- 探索层级式规划算法，研究任务分解、子目标生成与长序列推理
- 研究Agent记忆与自我纠错机制，提升任务可靠性与鲁棒性
- 设计评测体系与benchmark，沉淀可复用数据集与scaling规律
- 深入理解LLM/VLM Agent范式，如ReAct、tool use、多步推理
- 扎实的强化学习/模仿学习/离线RL实战经验，能复现并改进论文算法
- 熟练使用PyTorch，具备快速实验和代码调试能力
- 具备研究创新能力，有顶会论文发表或同等成果者优先
申请策略
- 在求职信中表达对具身智能的理解和热情，结合自身研究方向提出未来规划
- 关注智元机器人的产品方向（如通用机器人、工业应用），在面试中展示对业务场景的思考
- 突出顶会论文发表经历，特别是与LLM、强化学习、机器人相关的成果
- 详细描述基于LLM/VLM的Agent项目，包括框架设计、实验效果和你的贡献
- 强化学习或模仿学习的实战项目，最好有代码开源或复现链接
- 如有机器人相关比赛或开源贡献，务必提及
- 补充学习机器人模拟器（如Isaac Gym、MuJoCo）的使用，提升闭环仿真能力
- 深入研究最新的Agent框架论文（如ReAct、Code as Policies、SayCan等）
面试指南
- 先阐述核心概念，然后结合具体项目或论文说明，最后指出挑战与改进方向
- 采用'总-分-总'结构：先给出整体框架，再分模块讲解，最后总结优缺点
- 对于算法设计题，先明确输入输出，再一步步推导，必要时画图说明
- 请详细解释ReAct范式的原理和优缺点，如何将其应用于机器人任务？
- 设计一个层级式规划系统，如何实现任务分解与子目标生成？
- 在强化学习中，如何处理稀疏奖励问题？请结合具身场景举例
- 自纠错机制如何设计？请描述self-reflection的实现思路
- 你对世界模型在机器人规划中的作用如何理解？
职位点评
71
综合评分
前沿具身Agent研究岗，技术成长极快、薪资竞争力强，但工作强度大、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
该职位最适合追求技术前沿、愿意投入高强度研究、看重长期成长的求职者，不适合注重工作生活平衡或短期稳定性的人群。
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45
使命价值85
薪资福利
65中等
岗位薪资水平预估处于行业中上，但B轮融资阶段稳定性相对较低，且薪酬结构可能包含期权。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
92较高
该岗位聚焦具身智能前沿技术，涉及LLM、强化学习、世界模型等热点方向，成长空间极大，且鼓励发表顶会论文。
技术前沿前沿/新兴技术
技术栈LLM、VLM、强化学习、世界模型、层级规划
业务类型ambiguous
工作生活
45较低
工作地点在上海/北京核心城市，但岗位未提及远程或弹性办公，研发岗位通常工作强度较大，WLB一般。
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
85较高
具身智能属于高速增长赛道，机器人技术对社会有显著正向影响，工作内容具有开拓创新性。
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