宁德时代
VLA算法工程师
VLA算法工程师
发布于 大约 14 小时前普通员工/个人贡献者
宁德市
高级经验
全职员工
仅现场办公
硕士
具身智能
Llava
Pytorch
Qwen-Vl
Ros
Vla
具身智能
多模态大模型
机器人控制
AI 估算 · 30k–50k
职位详情
关于这个职位
作为宁德时代的VLA算法工程师，你将专注于视觉-语言-动作（VLA）算法的研发，构建端到端框架，实现复杂指令理解与机器人自主执行
你将负责多模态对齐与跨模态推理机制的设计，并推动仿真到真实的迁移，在工业质检、装配等场景中落地应用
该职位需要扎实的算法基础和优秀的科研能力，适合对具身智能和前沿AI技术充满热情的求职者
最低要求
计算机、人工智能、自动化等相关专业硕士及以上学历
优秀本科生可放宽
扎实掌握视觉-语言模型（LLaVA、Qwen-VL）、动作规划与多模态融合原理
熟练使用Python、PyTorch，熟悉HuggingFace、Transformers、ROS、RLlib等工具
有VLA、具身智能、机器人控制或多模态大模型项目经验者优先
具备优秀科研能力，能复现SOTA算法，有顶会论文或Kaggle/RoboCup竞赛经历者优先
逻辑清晰，自驱力强，具备跨团队协作与工程化落地能力
工作职责
负责视觉-语言-动作（VLA）算法研发：基于多模态大模型（如RT-2、PaLM-E、LLaVA-Action），构建端到端视觉-语言-动作统一框架，实现复杂指令理解与机器人自主执行
设计多模态对齐与跨模态推理机制：融合视觉感知、自然语言指令与动作规划，支持细粒度语义解析、上下文感知决策与可解释行为生成
推动仿真到真实迁移：在Unity、Isaac Gym等仿真平台构建VLA训练环境，结合真实机器人数据进行微调与部署，提升泛化能力与实时性
跟进CVPR、ICML、NeurIPS等顶会前沿，探索VLA的可解释性、零样本迁移、主动学习与安全控制等方向，加速在工业质检、装配等场景落地
AI 洞察
优缺点分析
优点
- 宁德时代作为行业巨头，平台大，资源多，有丰富的工业场景数据和应用场景
- 薪资待遇优厚，福利完善，职业发展路径清晰
- 算法从仿真到真实场景的落地过程复杂，需要解决大量工程化问题
- 跨团队协作要求高，需要与硬件、系统等团队紧密配合
- 适合对具身智能、多模态大模型有浓厚兴趣，具备扎实算法功底和优秀科研能力，并渴望在工业场景中实现技术落地的求职者
缺点 / 挑战
- 处于具身智能和AI前沿赛道，技术挑战大，个人成长快
- 技术难度高，需要持续学习和跟进最新研究，工作压力较大
角色解读
- 从算法工程师成长为VLA/具身智能领域的专家，主导核心算法方向
- 向技术管理方向发展，带领团队负责具身智能项目的整体规划与落地
- 有机会在工业质检、装配等场景中，将前沿算法转化为实际生产力，成为行业领军人才
- 负责视觉-语言-动作（VLA）算法的研发，构建端到端框架，让机器人能理解复杂指令并自主执行
- 设计多模态对齐与跨模态推理机制，融合视觉、语言和动作，提升决策的准确性和可解释性
- 在Unity、Isaac Gym等仿真平台搭建训练环境，并推动算法从仿真到真实机器人的迁移和部署
- 跟踪CVPR、ICML等顶会前沿，探索VLA在可解释性、零样本迁移等方向的应用
- 扎实的视觉-语言模型（如LLaVA、Qwen-VL）和动作规划理论基础
- 熟练使用Python、PyTorch，熟悉HuggingFace、Transformers、ROS、RLlib等工具
- 具备优秀的科研能力，能复现SOTA算法，有顶会论文或竞赛经历者优先
- 逻辑清晰，自驱力强，具备跨团队协作与工程化落地能力
申请策略
- 在申请时，可以附上你的GitHub或技术博客，展示你的技术热情和深度
- 了解宁德时代在智能制造、工业自动化方面的布局，在面试中展现你对业务场景的理解
- 突出VLA、具身智能、多模态大模型相关的项目经验，详细描述你的技术贡献和成果
- 强调你的科研能力，如顶会论文、竞赛获奖经历，并附上相关链接或代码
- 展示你的工程化能力，如如何将算法部署到实际机器人系统，解决过哪些具体问题
- 深入理解RT-2、PaLM-E、LLaVA-Action等主流VLA框架的原理和实现
- 熟悉Unity、Isaac Gym等仿真平台，并尝试搭建简单的VLA训练环境
- 加强ROS、RLlib等机器人工具链的实践能力
面试指南
- 回答项目经验时，采用STAR法则，清晰描述背景、任务、行动和结果，突出你的技术深度和解决问题的能力
- 回答技术问题时，先阐述核心原理，再结合你的实践经验，最后可以提出你对未来方向的思考
- 回答开放性问题时，展现你的逻辑思维和知识广度，可以适当引用顶会论文或行业案例
- 请详细介绍一下你参与过的VLA或具身智能项目，你在其中扮演的角色和具体贡献？
- 如何设计多模态对齐机制，解决视觉和语言信息融合中的挑战？
- 在仿真到真实迁移中，你遇到过哪些问题？如何解决？
- 请谈谈你对VLA算法可解释性、零样本迁移等前沿方向的理解
- 如何评估一个VLA模型的性能？你会关注哪些指标？
职位点评
78
综合评分
前沿技术栈，发展空间大，但工作地点在宁德，WLB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。
更适合这类人
该职位最适合那些追求技术前沿、渴望快速成长，对薪资和WLB要求相对灵活的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值85
薪资福利
85较高
宁德时代作为上市公司，提供具有竞争力的薪酬和福利，但具体薪资未在JD中披露，整体补偿性较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
95较高
该岗位处于AI前沿领域，技术挑战大，成长空间广阔，且公司平台能提供丰富的资源和应用场景，发展性极强。
技术前沿前沿/新兴技术
技术栈VLA、多模态大模型、具身智能、PyTorch、LLaVA、Qwen-VL、ROS
业务类型ambiguous
工作生活
40较低
工作地点在宁德，属于制造业城市，生活节奏相对较慢，但岗位要求高，可能面临加班，WLB一般。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
85较高
该岗位致力于推动工业自动化和智能制造，具有较高的社会价值和行业前景，使命感较强。
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
Watch Jobs