京东方
具身智能算法岗(J51759)
具身智能算法岗(J51759)
发布于 大约 7 小时前普通员工/个人贡献者
北京市
其它
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
3D视觉
Clip
Jax
Jetson Orin
Llava
Llm
Pytorch
Rt-2
Vit
AI 估算 · 25k–45k
算法岗在北京，京东方是大型制造企业转型科技公司，具身智能方向属于前沿领域，薪资有竞争力。
职位详情
关于这个职位
该职位负责具身智能算法研发，聚焦VLA模型架构设计、多模态大模型微调、机器人学习算法研究与部署优化
你将参与构建大规模具身智能数据集，并探索从仿真到真实环境的迁移，最终将模型部署到边缘设备上，实现机器人实时控制
适合对机器人、多模态AI有深入研究兴趣的算法工程师
最低要求
专业能力：
精通 Python/C++，具有扎实的算法数据结构基础，熟练掌握 PyTorch 或 JAX 深度学习框架
大模型/多模态：深入理解 Transformer 架构，熟悉 LLM（Llama, Qwen等）或 VLM（CLIP, ViT, LLaVA等）的训练与微调细节
机器人学习：熟悉模仿学习（BC, T-Pots）、强化学习（PPO, CQL, IQL）或机器人运动规划算法
计算机视觉：熟悉 3D 视觉、点云处理、视频生成或扩散模型（Diffusion Models）
通识能力：
逻辑思维能力
责任心强及学习能力强
需要具备沟通协作和一定的抗压能力
良好的团队协作精神
工作职责
VLA 模型架构设计与预训练：负责设计和优化 VLA 模型架构（如基于 RT-1, RT-2, Octo, PaLM-E 等路线），实现从多模态输入（视觉、文本、传感器数据）到机器人动作（Action Tokens/Trajectory）的端到端生成
探索并改进多模态大模型（VLM/LMM）在机器人控制领域的微调策略（SFT）与对齐技术
具身智能数据引擎构建：构建大规模具身智能数据集，包括由人类遥操作采集的演示数据（Demonstrations）及仿真环境生成的合成数据
设计数据清洗、自动标注及数据增强流程，解决机器人数据稀缺与长尾分布问题
强化学习与模仿学习算法研发：研究并应用模仿学习（Imitation Learning）、离线强化学习（Offline RL）等算法，提升模型在复杂操作任务中的泛化能力与鲁棒性
利用 Sim-to-Real（虚实迁移）技术，在 Isaac Gym / MuJoCo 等仿真环境中训练策略，并将其部署到真实机器人硬件上
模型部署与推理优化：负责 VLA 模型在边缘端设备（如 Jetson Orin）或云端的推理加速与部署，降低推理延迟，满足机器人实时控制（Real-time Control）的要求
AI 洞察
优缺点分析
优点
- 切入具身智能前沿赛道，技术栈涵盖大模型、多模态、机器人学习，技能积累价值高
- 京东方作为大型科技平台，资源丰富，有机会接触实际硬件和产业化场景
- 算法岗在北京，薪资可观，且该方向人才稀缺，职业发展空间大
- VLA模型训练对计算资源要求高，且机器人数据稀缺，数据处理和实验迭代难度大
- 需要同时掌握深度学习、机器人、计算机视觉多个领域，知识跨度大，学习曲线陡峭
缺点 / 挑战
- 高强度研发压力，需应对实机部署中的不确定性，抗压能力要求较高
- 适合在深度学习、机器人或多模态领域有扎实基础，对具身智能充满热情，愿意挑战复杂工程问题的算法工程师
角色解读
- 在具身智能领域深耕，成为VLA模型或机器人学习方向的专家，主导核心算法创新
- 向技术管理方向发展，带领团队攻坚复杂机器人任务，推动产品落地
- 横向拓展至更广泛的AI领域，如多模态大模型、自动驾驶或通用机器人系统
- 设计和优化VLA模型架构，实现多模态输入到机器人动作的端到端生成
- 构建大规模具身智能数据集，包括真实采集和仿真合成数据，并设计清洗与增强流程
- 研发模仿学习和离线强化学习算法，提升模型泛化能力，并完成Sim-to-Real迁移部署
- 将VLA模型部署到边缘设备（如Jetson Orin）并优化推理速度，满足实时控制要求
- 精通Python/C++，熟练掌握PyTorch或JAX，具备扎实的算法与数据结构基础
- 深入理解Transformer架构，熟悉LLM或VLM的训练与微调细节
- 熟悉模仿学习（BC等）和强化学习（PPO等）算法，或具备机器人运动规划经验
- 掌握计算机视觉基础，如3D视觉、点云处理或扩散模型
申请策略
- 了解京东方在智能制造、工业机器人方向的布局，展现你对技术落地场景的理解
- 准备一个与具身智能相关的深度项目，展示从模型设计到部署的完整思考
- 突出你在LLM/VLM微调、模仿学习或强化学习方面的项目经验（如使用PyTorch实现过算法）
- 强调机器人相关经历，包括仿真环境使用（Isaac Gym/MuJoCo）或真实机器人操作
- 展示计算机视觉能力，如3D点云处理、扩散模型应用等
- 若有大规模数据处理或模型部署经验（如TensorRT、Jetson优化），务必提及
- 补强机器人学习算法，熟悉BC、PPO、CQL等，并上手Isaac Gym或MuJoCo进行仿真训练
- 学习VLA相关论文（RT-2, Octo等），尝试复现并理解多模态到动作的映射思路
面试指南
- 回答技术问题时，先阐述核心原理，再结合自身项目经验给出具体做法和思考
- 对于开放性问题，采用“问题分析-候选方案-选型依据”的结构，展示系统思维
- 请讲解VLA模型（如RT-2）的核心架构，以及如何从多模态输入生成动作？
- 你如何解决机器人演示数据稀缺的问题？请设计一个数据增强方案
- 模仿学习和强化学习在机器人控制中各自的优缺点是什么？如何选择？
- 在Sim-to-Real迁移中，你遇到过哪些挑战？如何应对？
- 如何优化Transformer模型在嵌入式设备（如Jetson Orin）上的推理速度？
- 精读2-3篇VLA或机器人学习的最新论文，能清晰复述方法并分析优劣
职位点评
73
综合评分
前沿具身智能算法岗，技术成长拉满，但现场办公且强度不确定，适合技术热爱者。
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
极其适合技术驱动型、追求前沿成长、愿意投入时间在技术深度上的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展95
工作生活40
使命价值70
薪资福利
75中等
薪资未披露但市场溢价高，京东方福利体系完善，但具体表现依赖于与HR沟通。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
95较高
职位聚焦前沿具身智能技术，涉及大模型、多模态、机器人学习，成长空间极大。
技术前沿前沿/新兴技术
技术栈VLA、LLM、VLM、Transformer、模仿学习、强化学习、Isaac Gym、扩散模型
业务类型ambiguous
工作生活
40较低
典型研发岗，北京现场办公，未提及弹性或远程，可能面临高强度加班。
工作模式仅现场办公
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
70中等
具身智能是高速增长赛道，对制造业智能化有推动，但社会影响力目前仍以技术探索为主。
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
京东方 的其他在招职位
相似职位推荐
Watch Jobs