智元机器人
端到端双足导航算法工程师（Embodied Navigation）-通用业务部
端到端双足导航算法工程师（Embodied Navigation）-通用业务部
发布于 大约 20 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Bev
Diffusion
Occupancy
Pytorch
Vlm-Nav
World Model
双足机器人
多模态感知
端到端导航
AI 估算 · 35k–60k
前沿机器人算法岗，技术壁垒高，市场稀缺，薪资竞争力强。
职位详情
关于这个职位
这个职位专注于研发人形机器人的端到端自主导航系统，涉及多模态感知、视觉-语言导航和运动规划等前沿技术
你将负责从算法设计到真实机器人部署的全流程，有机会在具身智能领域做出创新性工作，推动双足机器人在复杂环境下的自主导航能力
最低要求
硕士及以上学历，计算机、机器人、人工智能等相关专业
熟悉机器人导航、Embodied AI、VLM/VLA、VLN等相关方向，具有较扎实的算法基础
熟悉以下一个或多个方向：端到端自主导航、Planner模型（Transformer、Diffusion、World Model等）、多模态感知（BEV、Occupancy、3D Perception、多传感器融合）、轨迹预测与运动规划、VLM-Nav / Vision-Language Navigation
熟悉深度学习框架（PyTorch等），具备模型训练、调优、部署及性能优化经验
具备较强的问题分析及工程实现能力，能够独立完成算法设计、实验验证、性能分析及线上问题定位
具有良好的团队协作能力，能够推动跨团队合作及复杂系统集成落地
工作职责
负责端到端自主导航算法研发，构建面向全尺寸人形机器人的自主导航能力，包括多模态感知、轨迹预测、导航决策等核心模块，持续提升导航智能化水平
负责VLM-Nav/VLN/VLA相关算法研发，构建视觉-语言-动作闭环能力，实现自然语言理解、语义目标定位、路径规划及自主执行
负责多模态感知模型研发，包括RGB、Depth、LiDAR、IMU等多源信息融合，研究BEV、Occupancy、语义地图等环境表征，为导航规划提供统一场景理解能力
负责导航Planner模型研发，探索基于Transformer、Diffusion、World Model等新一代规划算法，实现Waypoint预测、轨迹生成、动态避障及复杂环境下的自主决策
负责双足机器人导航感控融合算法研发，构建导航规划与运动控制协同框架，实现规划轨迹与步态控制、全身控制（WBC）、地形感知等模块的高效协同，提升复杂地形、人群环境及动态场景下的运动稳定性与导航成功率
优先资格
熟悉具身智能（Embodied AI）、VLA、世界模型（World Model）、Diffusion Policy、Action Model等前沿方向
熟悉Habitat、Isaac Sim、Gibson、MuJoCo等仿真平台，具备大规模数据生成及自动评测经验
熟悉双足机器人Locomotion、Whole-Body Control（WBC）、Model Predictive Control（MPC）、强化学习（RL）等运动控制相关技术
具备真实机器人导航部署经验，熟悉动态人群、复杂地形、跨楼层导航等复杂场景优化
具有CV、机器人、机器学习等相关领域顶会论文（CVPR、ICCV、ECCV、ICRA、IROS、CoRL、RSS、NeurIPS、ICLR等）、专利或高质量开源项目经验
有大模型（VLM、VLA）、机器人Foundation Model或端到端机器人系统研发经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿：涉及VLM-Nav、World Model等具身智能热门方向，成长空间大
- 公司处于高速发展期，B轮融资意味着资源充足，有机会参与真实机器人部署
- 多模态感知与运动控制的交叉领域，能积累全面的机器人算法经验
- 技术难度高：需要同时掌握感知、规划、控制等多领域知识，学习曲线陡峭
缺点 / 挑战
- 算法落地压力大：从仿真到真实机器人部署存在巨大鸿沟，调试周期可能较长
- 适合对机器人导航有强烈兴趣、愿意挑战复杂工程问题、并希望走在人工智能前沿的算法工程师
角色解读
- 在具身智能领域深耕，成为端到端导航或机器人高级算法专家
- 向全栈机器人研发方向发展，结合感知、规划与控制，负责整机系统集成
- 未来可晋升为技术负责人或团队Leader，引领下一代机器人导航技术
- 研发人形机器人自主导航算法，包括多模态感知、轨迹预测、导航决策等核心模块
- 探索VLM-Nav/VLN/VLA等视觉-语言-动作闭环技术，实现自然语言指令下的导航执行
- 构建导航与运动控制的协同框架，确保双足机器人在复杂地形中的稳定性和导航成功率
- 扎实的机器人导航、Embodied AI或VLM/VLA算法基础
- 熟悉深度学习框架PyTorch，具备模型训练、优化和部署经验
- 至少掌握一个导航相关方向：端到端导航、Planner模型、多模态感知或轨迹预测
申请策略
- 面试前了解智元机器人的人形产品线和导航技术路线，准备与公司方向匹配的案例
- 关注公司文化和对创新容错的态度，因为这类岗位需要大量实验探索
- 突出你在端到端导航、VLM或运动规划方面的项目经历，强调算法创新和实际效果
- 如有顶会论文、高质量开源项目或仿真平台经验（Habitat/Isaac Sim），务必列出
- 强调团队协作和跨模块集成能力，例如如何将感知输出与规划控制器对接
- 补充World Model、Diffusion Policy等最新规划算法的理论知识
- 熟悉双足机器人运动控制基础（WBC、MPC、RL），有助于感控融合
面试指南
- 用STAR法则（情境-任务-行动-结果）结构化描述项目经验，突出关键技术和量化成果
- 对于算法设计问题，先明确问题输入输出，再推导模型选型和优化目标，最后讨论落地可行性
- 请介绍一个你参与过的端到端导航项目，你如何设计感知和规划模块？
- VLM-Nav与传统导航方法相比有哪些优势和挑战？
- 如何处理多传感器融合中的异源数据对齐问题？
- 在动态人群环境中，你如何规划安全轨迹？请给出具体算法思路
- 你如何将仿真训练的导航策略迁移到真实机器人上？遇到过哪些问题？
- 复习端到端导航相关论文（如ViNG, LM-Nav，以及近期VLA工作），理解其核心创新点
职位点评
66
综合评分
前沿机器人导航算法岗，高速成长赛道，薪资待议，WLB不明确。
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。
更适合这类人
最适合追求技术前沿和职业成长的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活40
使命价值70
薪资福利
60中等
薪资未明确披露，但推测市场水准偏高；福利信息缺失，补偿性满足程度中等。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
90较高
技术栈前沿（VLM-Nav、World Model等），具备高成长性，但JD未明确提及培训或晋升路径。
技术前沿前沿/新兴技术
技术栈端到端导航、VLM-Nav、World Model、多模态感知、Transformer、Diffusion
业务类型ambiguous
工作生活
40较低
仅提及上海办公，未明确工作模式或WLB信息，推测为现场办公，生活化满足度较低。
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
70中等
人形机器人行业属于高速增长赛道，技术有社会价值，但JD未突出使命感。
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