智元机器人
机器人真机强化学习算法实习生
机器人真机强化学习算法实习生
发布于 大约 14 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
硕士
研究与开发 (研发)
Grpo
Ppo
Pytorch
Rlinf
Sac
Td3
Verl
强化学习
灵巧手
AI 估算 · 4k–8k
实习岗位，薪资基于上海地区算法实习生平均水平，含导师指导和前沿技术学习机会。
职位详情
关于这个职位
这是一个机器人真机强化学习算法实习岗位，你将参与具身智能领域的前沿研究，在导师指导下实现和验证RL算法，并有机会将成果转化为学术论文或开源项目
适合对机器人操作和灵巧手有浓厚兴趣的研究生
最低要求
在读硕士/博士（优秀本科生亦可），计算机/机器人/自动化/AI 等相关专业
熟悉 PPO/SAC/TD3/GRPO 等主流RL算法，对offline/online RL等前沿方向有了解
熟练使用 Python 与 PyTorch，具备良好的代码能力
每周可到岗 4 天及以上，实习期 6 个月以上优先
工作职责
参与真机强化学习算法研发，在导师指导下完成 RL 算法的实现、训练与真机验证，协助开展数据配方、训练策略与评测实验
协助多模态建模与训练实验，涉及图像/视频/语言/触觉/动作等信息融合与能力评估
参与灵巧手/双臂等接触丰富（contact-rich）操作任务的策略学习探索
协助维护训练—评测—迭代闭环，参与真机实验与数据分析
跟踪 RL 与具身智能前沿进展，优秀成果可产出学术论文或开源项目
优先资格
使用过 RLINF、VeRL 等 RL 训练框架者优先
有课程项目、竞赛或科研中的机器人真机训练部署经验，或对机器人操作、灵巧手等方向有浓厚兴趣者优先
有顶会论文、开源项目或竞赛获奖经历者优先
AI 洞察
优缺点分析
优点
- 前沿领域：具身智能是当前AI热点，技术成长快
- 导师指导：有专人带教，实验资源丰富，可产出学术成果
- 公司平台：智元机器人B轮中大型，专注机器人，行业前景好
- 实习期要求6个月以上，每周4天，时间投入较大
- 真机验证过程复杂，需要动手能力和耐心
- 适合对机器人操作和强化学习有强烈兴趣、希望深入前沿研究并产出论文的在读硕士/博士生
缺点 / 挑战
- 对RL基础和编程能力要求较高，入门门槛不低
角色解读
- 深入掌握具身智能和强化学习前沿技术，可参与顶级会议论文发表
- 积累真机实验和算法工程化经验，未来可转向算法工程师或研究科学家
- 优秀实习生可获得转正机会，进入机器人行业核心研发团队
- 参与真机强化学习算法的实现、训练与验证，在导师指导下完成数据配方和策略评估
- 协助多模态建模实验，处理图像、触觉、动作等多种信息融合
- 探索灵巧手和双臂接触丰富的操作任务，提升策略学习效果
- 维护训练-评测-迭代闭环，参与真机实验和数据分析
- 扎实的RL基础，熟悉PPO/SAC等主流算法，了解offline/online RL
- 熟练使用Python和PyTorch，具备良好的编码习惯
- 了解RL训练框架（如RLINF、VeRL）者优先
- 对机器人真机部署或灵巧手操作有经验或浓厚兴趣
申请策略
- 在求职信中表达对具身智能的热情，并说明实习时长和到岗时间
- 关注智元机器人技术博客或产品动态，面试中展示了解
- 突出RL项目经验，尤其是使用PPO等算法解决实际问题的案例
- 展示Python/PyTorch代码能力，如GitHub项目或竞赛代码
- 如有机器人相关课程项目或竞赛，强调动手部署经验
- 列出已发表论文或开源贡献，体现科研潜力
- 系统学习PPO/SAC/GRPO算法原理，动手复现简单版本
- 熟悉RL训练框架如RLINF或VeRL，尝试跑通示例
面试指南
- 先概述算法核心思想，然后分点说明关键步骤（如重要性采样、clip、advantage估计）
- 结合具体任务，从稀疏奖励、奖励 shaping、安全约束等角度回答
- 提及模拟器中的pre-training和真机上的safety layer
- 请详细解释PPO算法的原理和关键改进点
- 如何设计奖励函数来训练一个灵巧手抓取任务？
- 真机训练中遇到安全问题如何处理？
- 描述你做过的一个RL项目，包括环境、算法和结果
- 准备2-3个完整的RL项目案例，重点突出你的贡献和实验结果
职位点评
67
综合评分
前沿具身智能实习，技术成长快，但薪资一般，需要长期投入。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
最适合追求技术成长和学术成果、对短期薪资回报不敏感的学生。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展90
工作生活50
使命价值70
薪资福利
40较低
实习生薪资处于市场中等偏低水平，且JD未提及福利，经济回报有限。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
90较高
该职位提供前沿技术、导师指导和学术产出机会，对技能成长帮助极大。
技术前沿前沿/新兴技术
技术栈PPO、SAC、TD3、GRPO、Python、PyTorch、RLINF、VeRL
成长机会导师指导、学术论文产出、开源项目
业务类型ambiguous
工作生活
50较低
要求每周到岗4天以上且实习6个月，灵活度低，但未明确加班情况。
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，但职位以研发为主，社会影响力偏中性。
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