智元机器人
重定向算法实习生
重定向算法实习生
发布于 大约 5 小时前实习/见习
深圳市
无经验要求
实习生
仅现场办公
学历未注明
研究与开发 (研发)
Ik
Mocap
机器人
神经网络
运动学
重定向算法
AI 估算 · 5k–8k
实习岗薪资通常为市场中等水平，结合深圳消费及算法岗位紧缺度，大致在此范围。
职位详情
关于这个职位
该实习生岗位专注于人体到机器人的动作重定向算法研发，涉及运动学建模、多模态数据处理及仿真验证
你将接触逆运动学、神经网络映射等前沿技术，并有机会在真实人形机器人平台上部署算法，适合对机器人运动控制有浓厚兴趣的同学
最低要求
掌握机器人正/逆运动学基本原理，理解 DH 参数、雅可比矩阵及关节空间与笛卡尔空间的转换关系
Python、C++编程熟练，能使用 NumPy / SciPy 完成数值计算与数据处理
有 MuJoCo、Isaac Sim、Gazebo 或 PyBullet 至少一款仿真平台的使用经验，能读写 URDF / MJCF 模型文件，熟悉 ROS / ROS2 基本开发流程
工作职责
重定向算法研发：研究并实现基于逆运动学（IK）、运动学优化或神经网络的人体到机器人动作映射方案
数据处理与特征构建：处理动作捕捉（MoCap）、RGBD、IMU等多模态人体姿态数据，完成骨骼重定向所需的数据预处理与特征提取
运动学建模：分析人机骨骼拓扑差异（自由度数量、关节类型、比例），设计合理的映射规则与约束条件
仿真与实机验证：在 MuJoCo / Isaac Sim 等仿真平台上验证算法效果，并协助推进实机部署与调试
效果评估：建立重定向质量量化指标体系（关节误差、末端执行器位置误差、运动平滑度等），持续迭代优化
优先资格
了解约束优化方法（QP、NLSQ 等），能使用 OSQP、CasADi 等工具求解 IK 问题者优先
有强化学习或模仿学习在运动控制中的应用经验，熟悉 PyTorch 者加分
有 MoCap 数据处理经验，或了解 MediaPipe、OpenPose 等人体姿态估计工具者加分
有双足/人形机器人全身控制（WBC）相关项目经验者优先考虑
AI 洞察
优缺点分析
优点
- 接触人形机器人最前沿的重定向和控制技术，技术含金量高
- 有机会在真实机器人平台上验证算法，理论与实践结合紧密
- 公司处于B轮融资阶段，发展迅速，团队技术氛围浓厚
- 涉及多学科知识（运动学、优化、编程），学习曲线较陡
- 实习周期较短，需快速产出成果，工作节奏可能较快
缺点 / 挑战
- 算法从仿真到实机部署存在诸多工程挑战，调试过程可能耗时
- 适合对机器人运动控制有强烈兴趣、自学能力强、愿意接受挑战的计算机、自动化或机器人相关专业在校生
角色解读
- 积累运动控制与仿真经验，可向人形机器人全身控制（WBC）方向深入发展
- 掌握强化学习或模仿学习后，可转向更高级的智能决策与运动规划岗位
- 实习生表现优异者有望转正，进入快速发展的机器人行业核心研发团队
- 研究和实现逆运动学或神经网络方法，将人体动作映射到机器人骨骼上
- 处理动作捕捉、RGBD、IMU等多模态数据，提取关键特征用于重定向
- 在MuJoCo、Isaac Sim等仿真环境中验证算法，并协助机器人实机调试
- 扎实的机器人运动学基础，理解DH参数、雅可比矩阵及坐标变换
- 熟练的Python/C++编程能力，能使用NumPy/SciPy进行数值计算
- 至少熟悉一种机器人仿真平台（MuJoCo、Isaac Sim等），能读写URDF/MJCF模型
申请策略
- 在面试中重点展现对重定向问题的理解以及独立解决技术问题的能力
- 了解智元机器人的产品和技术路线，表达对人形机器人行业的热情
- 突出机器人相关项目经验，如运动学建模、仿真平台使用、逆运动学求解等
- 展示编程能力，尤其是Python/C++代码库或开源贡献
- 强调使用MuJoCo或Isaac Sim等仿真工具的具体经历
- 提前熟悉约束优化方法（如OSQP、CasADi）和强化学习框架（PyTorch）
- 复习正/逆运动学、雅可比矩阵等核心数学概念，并能手推公式
面试指南
- 对于技术问题，采用「原理+公式+实例」结构，先阐述基础概念，再给出具体实现方法
- 对于开放性问题，先分析难点，再提出自己的解决思路，最后举例说明可行方案
- 请解释DH参数的含义，并说明如何建立机器人运动学模型
- 逆运动学求解中，关节限位和奇异点如何处理？
- 描述一个你使用仿真平台（如MuJoCo）搭建机器人模型的经历
- 人体与机器人骨骼结构不同，重定向时需要考虑哪些约束？
- 如果你使用神经网络进行动作映射，如何保证输出的关节角度平滑且物理合理？
- 系统复习机器人运动学基础，做到能快速推导正/逆运动学公式
职位点评
60
综合评分
前沿机器人实习岗，技术含量高、成长快，但薪资一般、WLB不明确。
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、对机器人运动控制有强烈兴趣的实习生，而不太看重短期福利或工作生活平衡。
表现最好
成长发展
相对薄弱
工作生活
薪资福利45
成长发展85
工作生活40
使命价值75
薪资福利
45较低
实习薪资低于全职，但属行业正常水平，福利未明确说明，补偿性动机满足有限。
薪资信号未披露（AI估算：5K-8K/月）
成长发展
85较高
岗位涉及前沿机器人技术，包括运动学、仿真、深度学习，成长空间大。
技术前沿前沿/新兴技术
技术栈IK、MuJoCo、Isaac Sim、PyTorch、强化学习、模仿学习、MoCap
业务类型ambiguous
工作生活
40较低
实习通常需要现场办公，未明确弹性工作制，WLB一般。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
人形机器人是未来科技方向，有较强的社会价值和创新意义。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs