智元机器人
优才-具身算法工程师-具身应用工程中心
优才-具身算法工程师-具身应用工程中心
发布于 大约 9 小时前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Pytorch
Sim2Real
Vla
Wam
具身智能
强化学习
机器人
模型量化
端到端学习
值不值得投
71综合评分
综合评分 71
前沿具身智能算法岗位，技术成长性强，薪资有竞争力，但办公灵活性和WLB未明确。
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
35K
比具身智能中位数低
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 1420 个在招 · 其中具身智能 17 个
市场机会
选择适中
上海 · 具身智能 · 39 个在招
职位详情
关于这个职位
该职位负责具身大模型（VLA/WAM）在真实机器人场景中的落地与迭代，涉及从模型训练、微调到真机部署的全流程，需要与感知、运控等团队协同解决跨硬件适配问题，并跟踪前沿技术以推动工程化应用
最低要求
硕士及以上，计算机 / AI / 机器人 / 自动化等相关专业
熟悉主流 VLA 架构（如 RT-2、OpenVLA、π0、GR00T 等），理解视觉-语言-动作联合建模与端到端学习的核心思路
具备模型后训练（SFT + RL）的实际落地经验，熟悉分布式训练框架
精通 Python + PyTorch，具备模型训练、调优与工程化部署的完整能力
有真机部署调试经验，了解 Sim2Real 迁移、模型量化 / 推理加速等工程化技术
工作职责
负责 VLA/WAM 具身大模型在真实场景中的落地与迭代，打通从模型训练到真机部署的完整链路
构建面向多机器人平台（机械臂、人形等）的模型适配与微调方案，解决跨硬件形态的动作表征与泛化问题
搭建后训练（Post-Training）pipeline，涵盖 SFT 数据构建、RL 微调、评测与闭环迭代，持续提升模型在实际任务中的成功率
与感知、运控、硬件团队协同，设计模型与底层控制器（WBC/MPC）的接口方案，确保策略输出的物理安全性与实时性
跟踪 VLA/WAM 领域前沿进展，快速验证新技术在工程场景中的可行性并推动落地
协助模型在机器人芯片上的推理优化与部署调试，参与推理延迟、吞吐量等性能瓶颈的定位与改进
优先资格
有 VLA 模型从训练到多平台真机部署的完整项目经验
熟悉模仿学习（BC / Diffusion Policy）与 RL（PPO / SAC / GRPO）算法
NeurIPS / ICML / ICLR / CoRL 等顶会论文或高质量开源贡献
AI 洞察
优缺点分析
优点
- 处于具身智能前沿领域，技术成长空间大，能接触最新研究和应用
- 项目实战导向，从训练到部署全流程参与，积累完整工程经验
- 跨团队协作机会多，可拓展在机器人、AI等多领域的视野
- 行业快速发展，需持续学习跟踪前沿，更新知识体系
- 适合对具身智能有强烈兴趣、具备扎实算法基础和工程能力，且喜欢解决实际问题、推动技术落地的求职者
缺点 / 挑战
- 技术难度高，需同时掌握算法理论和工程实践，软硬件结合挑战大
- 真机部署调试复杂，可能面临硬件限制和性能优化压力
角色解读
- 可向高级具身算法专家或技术负责人发展，主导复杂项目研发
- 持续跟踪前沿技术，参与论文发表和开源贡献，提升行业影响力
- 推动算法产品化，拓展在机器人领域的应用场景，成为技术落地核心角色
- 负责具身大模型在机器人场景的落地与迭代，确保模型在真实任务中稳定运行
- 构建模型适配方案，解决不同硬件平台间的动作泛化问题，提升系统兼容性
- 搭建和优化后训练pipeline，通过数据构建和微调持续提升模型性能
- 与跨职能团队协同，设计软硬件接口，保障策略输出的安全性和实时性
- 熟悉VLA等主流架构，理解视觉-语言-动作联合建模的端到端学习原理
- 精通Python和PyTorch，具备模型训练、调优和工程化部署的全栈能力
- 具有SFT和RL后训练经验，能搭建分布式训练框架
- 了解Sim2Real迁移、模型量化等工程化技术，有真机调试实战经验
申请策略
- 了解智元机器人的产品和技术方向，面试中展示对公司的认知和热情
- 准备项目演示或代码示例，直观展示技术成果和解决问题的方法
- 突出VLA或相关模型的项目经验，特别是从训练到真机部署的完整案例
- 展示Python、PyTorch等技能熟练度，以及分布式训练、模型优化等工程能力
- 附上顶会论文、开源项目或竞赛成绩，证明技术深度和影响力
- 强调跨团队协作经验，如与硬件、控制团队合作解决问题的经历
- 深入学习VLA架构最新进展，如RT-2、OpenVLA等，并实践复现
- 强化强化学习（如PPO、SAC）和模仿学习（如BC、Diffusion Policy）算法
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验，突出技术细节和成果
- 强调工程思维，从问题定义、方案设计、实现测试到优化迭代全流程思考
- 结合具体案例说明如何平衡算法性能与工程约束，如延迟、安全性等
- 请描述你过去在VLA模型部署中的具体经验，遇到的主要挑战及解决方案
- 如何设计SFT和RL在具身任务中的训练pipeline，并评估模型成功率？
- 在跨硬件适配时，你会采取哪些策略解决动作表征和泛化问题？
- 如何确保模型在真机部署中的安全性和实时性？
- 跟踪VLA领域前沿时，你认为哪些新技术最有可能落地应用？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值80
薪资福利
70中等
该职位薪资在同类岗位中具有竞争力，但JD未明确披露具体福利，整体补偿性动机满足程度中等。
薪资信号未披露（AI估算：28K-42K/月）
成长发展
85较高
职位涉及前沿VLA技术和真机部署，提供技术成长和项目实战机会，发展性动机满足程度较高。
技术前沿前沿/新兴技术
技术栈VLA、WAM、强化学习、Sim2Real、模型量化
成长机会跟踪前沿进展、快速验证新技术
业务类型profit_center
工作生活
50较低
JD未提及办公模式和WLB信号，工作地点可能固定在现场，生活化动机满足程度有限。
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
80较高
具身智能是高速增长赛道，该职位推动技术实际应用，具有较高社会价值，意义感动机满足程度良好。
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