吉利汽车
机器人算法人工智能算法研究岗
机器人算法人工智能算法研究岗
发布于 大约 1 小时前普通员工/个人贡献者
全职员工仅现场办公机器人开发
机器人开发
Pytorch
Slam
Tensorflow
Vla
具身智能
强化学习
机器人
深度学习
路径规划
值不值得投
71综合评分
综合评分 71
前沿机器人算法岗，技术成长高，薪资未明，工作地点宁波，灵活性一般。
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
23K
比机器人开发中位数低
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 1090 个在招 · 其中机器人开发 2 个
市场机会
选择不多
宁波 · 机器人开发 · 1 个在招
职位详情
关于这个职位
该岗位专注于机器人运动控制与智能算法研发，涉及强化学习、路径规划、SLAM及VLA具身智能大模型，并将算法落地到真实机器人平台
适合对机器人人工智能前沿技术有热情、具备扎实算法功底的研究型人才
最低要求
硕士及以上学历，机器人学、控制科学、计算机科学、人工智能等相关专业，有运动控制、路径规划、SLAM等方向的研究背景
熟练掌握强化学习、深度学习等算法，具备PyTorch/TensorFlow等框架的实际开发经验
具备扎实的数学基础（线性代数、最优理论、概率论等），有良好的论文阅读和复现能力
工作职责
负责机器人运动控制算法研发，包括强化学习和深度学习的算法建模与开发，涵盖特征提取、模型训练、深度学习框架开发及在线效果优化
负责三维复杂环境下的全局与局部路径规划算法研发，设计并实现安全的避障策略
参与SLAM（即时定位与地图构建）算法研发，实现机器人在未知环境中的自主定位与导航
参与VLA（视觉语言动作模型）等具身智能大模型的研发与部署，推动算法在真机上的落地验证
将算法模型应用于机器人本体性能增强与优化设计
跟踪具身智能领域前沿技术，完成相关论文复现与算法迭代
优先资格
有机器人仿真或真机实验经验者优先
有顶会论文发表者优先
AI 洞察
优缺点分析
优点
- 技术前沿，涉及强化学习、VLA、SLAM等热门方向，学习曲线陡峭但价值高
- 大平台资源多，吉利在汽车与机器人领域有丰富应用场景，算法可快速落地
- 研发氛围好，鼓励论文复现与创新，适合学术型人才沉淀成果
- 算法研究岗对数学和编程功底要求高，需持续学习新模型和框架
- 宁波相比一线城市，AI人才密度较低，技术交流圈子有限
缺点 / 挑战
- 需要将抽象算法在真实机器人上调试，工程复杂度高，可能面临较大压力
- 适合对机器人智能算法有强烈兴趣、具备扎实研究能力和自驱力的硕士/博士，乐于挑战前沿技术并接受工程化验证
角色解读
- 从算法工程师向资深算法专家或技术负责人发展，深耕机器人AI领域
- 可向具身智能大模型方向延伸，成为VLA模型研发核心成员，参与行业标准制定
- 未来可转型为技术管理或产品负责人，结合吉利产业资源推动机器人商业化落地
- 研发机器人运动控制算法，基于强化学习和深度学习进行建模、训练与优化，涉及特征提取及在线效果调整
- 设计三维复杂环境下的全局与局部路径规划算法，并实现安全避障策略，保障机器人自主移动
- 参与SLAM算法研发，实现未知环境中的自主定位与建图，并参与VLA等具身智能大模型的真机部署与验证
- 跟踪具身智能前沿技术，复现顶会论文并迭代算法，同时将算法应用于机器人本体性能提升
- 熟练掌握强化学习、深度学习等算法，有PyTorch/TensorFlow开发经验
- 扎实的数学基础，包括线性代数、最优化理论、概率论等，能独立推导和实现算法
- 熟悉机器人运动控制、路径规划或SLAM任一方向，具备仿真或真机实验能力
- 优秀的论文阅读与复现能力，能快速将前沿研究转化为工程实现
申请策略
- 提前了解吉利在机器人领域的布局（如极氪、飞行汽车等），在面试中展示对业务场景的理解
- 准备好1-2个完整算法项目案例，从问题定义、方案选型到最终落地，清晰讲述思路
- 突出强化学习或深度学习项目经历，详细说明算法设计、训练过程及最终指标
- 强调机器人相关项目，如路径规划、SLAM、真机实验，附上demo链接或视频
- 罗列论文发表、竞赛获奖、开源项目等体现研究能力的成果
- 展示PyTorch/TensorFlow使用熟练度，并说明在项目中如何优化性能
- 复习强化学习核心算法（PPO、DQN、SAC等）并动手复现经典论文
- 学习ROS、Gazebo等机器人仿真工具，补充实机调试经验
面试指南
- 用STAR法则回答项目类问题：情境（背景）、任务（目标）、行动（具体做法）、结果（量化成果）
- 对于算法设计问题，先阐述经典方法，再结合实际给出改进思路，体现分析深度
- 对于开放性问题（如VLA），先总结主流技术，再表达个人见解，展示对前沿的关注和思考
- 请介绍一下你参与过的强化学习项目，你是如何设计奖励函数和训练策略的？
- 在三维环境中做路径规划时，你如何平衡全局最优和实时避障？
- SLAM中的回环检测是怎么做的？如何解决累积误差？
- 你对VLA（视觉语言动作模型）的发展有什么看法？它和传统机器人控制方法有何不同？
- 如何将仿真中训练的模型迁移到真实机器人上，需要注意哪些问题？
职位点评
薪资福利60
成长发展90
工作生活55
使命价值85
薪资福利
60中等
该职位依托吉利上市平台，工作稳定性较好，但薪资未明确，具体福利待确认，补偿性满足程度一般。
薪资信号未披露（AI估算：15K-30K/月）
成长发展
90较高
涉及强化学习、SLAM、VLA等前沿技术，且有论文复现和算法迭代环节，个人技术成长空间很大。
技术前沿前沿/新兴技术
技术栈强化学习、深度学习、SLAM、路径规划、PyTorch、TensorFlow、VLA、具身智能
业务类型ambiguous
工作生活
55较低
工作地点在宁波，生活成本相对较低，但仅现场办公，未提供弹性工作或加班信息，工作灵活性一般。
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
85较高
机器人算法是具身智能核心方向，行业前景广阔，工作具有推动智能机器人落地的社会价值。
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
Watch Jobs