宁德时代
具身智能工程师
具身智能工程师
发布于 大约 8 小时前普通员工/个人贡献者
宁德市
无经验要求
全职员工
仅现场办公
本科
具身智能
Pytorch
Ros2
Sim-To-Real
Vla
Wam
强化学习
机器人运动规划
模仿学习
AI 估算 · 25k–45k
具身智能算法岗位，技术门槛高，宁德时代为行业龙头，薪资具有竞争力，结合城市消费水平，估算月薪在2.5-4.5万之间。
职位详情
关于这个职位
该职位负责在锂电池工厂中设计和落地基于人形机器人、复合机器人等智能装备的自动化解决方案，通过多模态算法开发、混合规划方案设计及仿真环境搭建，打通产线自动化“最后一公里”
你将参与VLA/WAM等前沿算法研发，并推动算法在真机平台上的部署与优化，提升产线效率与一致性
适合对具身智能和工业自动化有浓厚兴趣的算法工程师
最低要求
学历专业：本科及以上
知识技能：1. 算法基础（核心要求）
传统运动规划：深入理解机器人运动学与动力学，精通轨迹规划、避障算法（如 A、RRT CHOMP/STOMP MPC 等）
VLA、WAM与具身智能：熟悉 Transformer 架构及多模态大模型（如 RT-1, RT-2, OpenVLA 或类似框架）
掌握模仿学习（BC/GAIL）、强化学习（PPO/SAC）在机器人操作中的应用
了解视觉语言模型（VLM）与机器人动作空间的映射技术
仿真平台使用
精通至少一种以下主流仿真环境：NVIDIA Isaac Gym / Isaac Sim：具备在大规模并行仿真环境下进行强化学习训练的经验
MuJoCo / PyBullet：熟悉物理引擎参数调优，能够进行精细的接触力学仿真
Gazebo：熟悉基于 ROS/ROS2 的系统级仿真与逻辑验证
Sapien / ManiSkill：有视觉操作（Visual Manipulation）仿真经验者优先
编程与工具链
熟练掌握 Python（主流AI框架如 PyTorch/TensorFlow）与 C++（高性能算子开发）
熟练使用 ROS2，了解其底层通信机制与中间件优化
熟悉 Docker 容器化部署及 GPU 集群训练流程
工作职责
多模态算法开发：负责基于VLA（Vision-Language-Action）/ WAM（world action model）架构的算法开发，利用大模型能力提升机器人在复杂指令下的泛化操作能力
混合规划方案设计：将传统的路径/运动规划与端到端的深度学习方案相结合，确保机器人在保证工业级稳定性的同时，具备处理非结构化环境的灵活性
仿真环境搭建与训练：利用主流机器人仿真平台构建数字孪生工厂，进行大规模强化学习或模仿学习训练，实现从Real- Sim-to-Real 的高效迁移
复杂工序自动化：针对锂电生产中如“柔性接线”、“异型件理料”、“精密插件”等传统自动化无法解决的痛点，设计并实现全流程闭环控制方案
系统集成与优化：在真机平台上部署算法，优化感知-决策-执行的端到端延迟，提升任务成功率与生产节拍
优先资格
加分项：
在锂电工厂、汽车制造等工业场景有实际的机械臂/复合机器人落地经验
在国际顶会（ICRA, IROS, CoRL, CVPR等）发表过具身智能或机器人规划相关论文
拥有自研 Sim-to-Real 成功迁移案例，解决过真假偏差问题
AI 洞察
优缺点分析
优点
- 处于具身智能与工业自动化的前沿，技术含量高，能积累稀缺的算法与工程经验
- 宁德时代作为行业巨头，平台大，资源丰富，项目落地性强，职业发展空间广阔
- 技术难度大，需要同时掌握算法、仿真、系统集成等多方面知识，学习曲线陡峭
- 工作地点在宁德，相对一线城市，生活便利性和娱乐选择可能有限
- 适合对具身智能和机器人技术有强烈热情，具备扎实算法基础，并愿意在工业场景中深耕的工程师
缺点 / 挑战
- 薪资水平较高，福利待遇完善，工作稳定性好
- 工业场景对稳定性和效率要求极高，算法落地面临较大挑战，可能伴随一定的工作压力
角色解读
- 从算法工程师向具身智能专家或技术负责人发展，主导复杂自动化项目
- 在工业机器人领域深耕，成为智能制造解决方案的架构师
- 有机会参与国际顶会论文发表，提升行业影响力，向研究型专家或管理岗位发展
- 负责开发基于VLA/WAM架构的多模态算法，提升机器人在复杂指令下的泛化操作能力
- 结合传统运动规划与端到端深度学习，设计混合规划方案，确保机器人在工业场景中的稳定性与灵活性
- 搭建仿真环境，进行大规模强化学习或模仿学习训练，实现Sim-to-Real的高效迁移
- 针对锂电产线痛点，设计并实现全流程闭环控制方案，并在真机平台上部署优化算法
- 扎实的机器人运动学与动力学基础，精通轨迹规划与避障算法（如RRT、CHOMP/STOMP、MPC）
- 熟悉Transformer架构及多模态大模型（如RT-1、RT-2、OpenVLA），掌握模仿学习与强化学习（PPO/SAC）
- 精通至少一种主流仿真平台（如Isaac Sim、MuJoCo、PyBullet），并具备Sim-to-Real迁移经验
- 熟练掌握Python与C++，熟悉ROS2、Docker及GPU集群训练流程
申请策略
- 了解宁德时代在智能制造方面的战略布局，在面试中展现对锂电行业的兴趣
- 准备一个完整的项目案例，展示从算法设计到仿真验证再到真机部署的全流程能力
- 突出机器人运动规划、强化学习或模仿学习的项目经验，尤其是实际落地案例
- 强调在仿真平台（如Isaac Sim、MuJoCo）上的训练经验及Sim-to-Real迁移成果
- 展示编程能力，如Python、C++、ROS2，以及大模型（VLA）相关的研究或应用
- 如有顶会论文或工业机器人项目，务必重点提及
- 熟悉VLA/WAM架构和主流大模型框架，可尝试复现相关论文或开源项目
- 加强仿真平台的使用，特别是Isaac Sim的强化学习训练流程
面试指南
- 采用STAR法则，清晰描述项目背景、任务、行动和结果，突出技术难点与解决方案
- 结合理论与实践，展示你对算法原理的理解，并强调在工业场景中的可行性
- 准备一个完整的案例，从问题定义、技术选型到部署优化，体现系统性思维
- 请详细描述一个你使用强化学习或模仿学习解决机器人操作问题的项目
- 如何设计一个Sim-to-Real迁移策略，以应对仿真与真实环境的差异？
- 在运动规划中，如何平衡传统算法（如RRT）与端到端学习方法的优缺点？
- 你对VLA架构的理解是什么？如何将其应用于工业场景？
- 如何优化端到端延迟，确保算法在真机上的实时性？
职位点评
74
综合评分
前沿技术、高成长性，但工作地点偏远，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
适合追求技术前沿、渴望在具身智能领域深耕，且对工作地点要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活40
使命价值75
薪资福利
80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，需面议。
薪资信号面议 (25K-45K/月)
成长发展
90较高
该职位处于具身智能前沿，技术栈先进，涉及VLA、强化学习等，能提供极佳的技术成长机会。
技术前沿前沿/新兴技术
技术栈VLA、WAM、Transformer、强化学习、模仿学习、Isaac Sim、PyTorch、ROS2
业务类型profit_center
工作生活
40较低
工作地点在宁德，可能相对偏远，且JD未提及弹性办公或远程工作，生活便利性可能受限。
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
75中等
该职位旨在提升锂电产线自动化，推动智能制造，具有较高的行业价值，但社会影响力相对中性。
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
Watch Jobs