智元机器人
强化学习算法工程师（真机操作方向）-具身应用工程中心
强化学习算法工程师（真机操作方向）-具身应用工程中心
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Jax
Pytorch
Ros
Sim2Real
具身智能
分布式训练
强化学习
机器人操作
Off-Policy
值不值得投
77综合评分
综合评分 77
前沿具身智能赛道、技术壁垒高、成长空间大，但工作节奏可能较快。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5万
比具身智能中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1510 个在招 · 其中具身智能 45 个
市场机会
选择面较广
上海 · 具身智能 · 67 个在招
职位详情
关于这个职位
负责真机强化学习算法的设计与落地，构建从仿真训练到真机部署的完整RL pipeline
你需要研发高效的训练方案并搭建人机协作与分布式训练基础设施，解决Sim2Real迁移的核心挑战，推动复杂操作任务在产品中的实际应用
最低要求
硕士及以上，计算机 / 机器人 / 自动化等相关专业
具备真机强化学习的完整项目经验，熟悉从仿真训练到真机策略部署的全流程，了解 Sim2Real 迁移的关键技术（域随机化、阻抗控制、自动重置等）
精通主流 RL 算法（SAC / PPO / TD3 / DrQ 等），有高样本效率 off-policy 训练的实际调优经验
熟练使用 PyTorch 或 JAX，具备分布式训练或并行仿真环境的搭建经验
良好的工程能力，熟悉 Linux 开发环境、ROS 通信、GPU 训练调度
工作职责
负责真机强化学习算法的设计与落地，构建从仿真训练到真机部署的完整 RL pipeline，解决 Sim2Real 迁移中的核心挑战
研发高效的 off-policy RL 训练方案，提升样本效率，使复杂操作任务在有限训练时间内收敛到高成功率
搭建人机协作训练体系，探索人类遥操作干预、奖励信号设计、渐进式自主等策略，降低真机训练成本
构建分布式 RL 训练基础设施，对接多仿真器后端与真机环境，支持多算法并行实验与大规模数据采集
跟踪真机 RL 与机器人操作领域前沿进展，快速验证并落地到产品
优先资格
有 SERL / HIL-SERL / RLinf 等真机 RL 框架的使用或二次开发经验
接触过灵巧手、双臂协同等接触丰富的操作任务
CoRL / RSS / ICRA / NeurIPS 等顶会 RL 或机器人方向论文
AI 洞察
优缺点分析
优点
- 处于具身智能与机器人操作的前沿赛道，技术壁垒高，行业前景广阔
- 中大型企业平台能提供丰富的算力资源与真机硬件支持，利于算法验证与落地
- 真机训练成本高、周期长，Sim2Real迁移存在较大技术难度，需要反复调试
- 需要兼顾算法理论创新与底层工程落地，对个人的综合技术能力与抗压能力要求极高
缺点 / 挑战
- 能接触到真机部署与Sim2Real等核心挑战，技术积累深厚，个人能力提升快
- 适合对机器人控制与强化学习有浓厚兴趣，具备扎实算法基础与较强工程落地能力，且能接受较高工作强度的技术极客
角色解读
- 可向具身智能算法专家、机器人系统架构师方向发展，成为该细分领域的技术领军人物
- 随着技术积累，可晋升为技术团队负责人，带领团队攻克更复杂的机器人操作难题
- 负责真机强化学习算法的设计与落地，构建从仿真训练到真机部署的完整RL pipeline
- 研发高效的off-policy RL训练方案，搭建人机协作训练体系及分布式RL训练基础设施
- 解决Sim2Real迁移中的核心挑战，推动复杂操作任务在产品中的实际应用
- 精通主流RL算法（SAC/PPO/TD3等）及Sim2Real迁移技术（域随机化、阻抗控制等）
- 熟练使用PyTorch或JAX，具备分布式训练或并行仿真环境的搭建经验
- 熟悉Linux开发环境、ROS通信及GPU训练调度，具备良好的工程落地能力
申请策略
- 了解智元机器人在具身智能领域的最新产品（如远征系列）和技术路线，在面试中展现对公司业务的深刻理解
- 突出真机强化学习项目经验，特别是Sim2Real迁移和off-policy算法调优的具体成果与数据
- 展示分布式训练基础设施搭建、ROS通信及多仿真器对接的工程实践经验
- 若有顶会论文或知名真机RL框架（如SERL）的开源贡献，务必在简历中重点展示
- 深入学习SERL、HIL-SERL等前沿真机RL框架，了解灵巧手或双臂协同等复杂操作任务的算法设计
- 提升分布式训练系统的搭建能力，熟悉大规模数据采集与多算法并行实验的工程优化
面试指南
- 采用STAR法则，结合具体项目背景、面临的挑战、采取的技术方案（如具体的RL算法改进或工程优化手段）及最终落地的成功率/效率提升数据进行结构化回答
- 在Sim2Real迁移中，你具体是如何解决域差异问题的？使用了哪些域随机化或阻抗控制策略？
- 请分享一个你优化off-policy RL算法样本效率的实际案例，最终成功率提升了多少？
- 在搭建人机协作训练体系时，你是如何设计奖励信号和渐进式自主策略的？
- 构建分布式RL训练基础设施时，遇到过哪些工程挑战？如何对接多仿真器后端？
- 复习主流RL算法的数学推导与代码实现，了解智元机器人的硬件平台特性与传感器配置
- 准备过往项目中解决Sim2Real难题的详细技术细节，能够深入探讨算法调优的底层逻辑
职位点评
薪资福利80
成长发展95
工作生活40
使命价值90
薪资福利
80较高
具身智能属于当前热门且高壁垒赛道，公司处于B轮融资阶段，通常能提供具有市场竞争力的薪资以吸引顶尖算法人才。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
95较高
岗位涉及前沿的具身智能与真机强化学习技术，能接触到行业最前沿的Sim2Real和人机协作训练体系，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈强化学习、Sim2Real、PyTorch、JAX、ROS、SAC、PPO、TD3、DrQ、SERL
成长机会跟踪前沿进展、快速验证并落地
业务类型profit_center
工作生活
40较低
JD未提及工作模式与WLB相关信息，但硬科技与机器人研发通常工作节奏较快，且需要现场操作真机，WLB满足度有限。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
90较高
具身智能是未来人工智能的重要发展方向，推动机器人真机操作落地具有极高的行业前景与科技使命感。
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）
Watch Jobs