具身智能AI/算法高级工程师（实习）

我们正在招募具有深厚技术背景的具身智能实习工程师，与资深工程师一起，构建下一代机器人智能系统的核心技术栈，推动多模态大模型（VLA/VLM/LLM/Diffusion）与机器人技术的深度融合，并实现规模化工业落地。

职位描述，你将承担以下其中一项或多项工作：

具身机器人模仿学习，包含从各类数据中学习人类操作策略(真机遥操作数据，可穿戴数采数据，第三人称操作数据，互联网数据等)

具身机器人强化学习，包括但不限于以灵巧手为核心的操作能力学习(在线 & 离线)，操作策略评价模型，步态学习，机械臂逆解算

世界模型和物理世界理解的技术探索。

具身数据闭环，通过数据驱动解决落地场景中的实际问题，讲操作成功率提升至可规模化落地水平，实现垂域盈利。

端侧模型推理性能优化，异步推理性能优化

AI Infra和训练加速

机器人算法开发，包括但不限于手眼标定，物体于环境的3D感知，规则策略，建图导航等。

任职要求

硕士及以上学历，计算机科学、自动化、电子等相关专业；

参与过现代AI技术项目（如端到端自动驾驶、多模态大模型、机器人智能系统、生成式AI，双足步态强化学习等）；

具备优秀的代码能力与工程能力；

具备扎实的数学与工程能力（线性代数、优化理论、C++/Python高性能编程）。

技术要求：

模仿学习方向：

熟悉多模态大模型（VLA/VLM/LLM）及Diffusion模型的开发与调优；

具备大模型/VLA/AI Agent/Diffusion Model相关的项目或比赛经验；

掌握强化学习、模仿学习在机器人决策中的应用，有复杂环境下的策略训练经验；

熟悉机器人核心技术（SLAM、运动规划、传感器融合）与工具链（ROS/ROS2、Isaac Sim、PyBullet）。

具备模型端侧量化、部署、性能调优者优先

强化学习方向：

深入掌握强化学习基本原理，Value-based Model, Policy Gradient, Actor-critic等

熟悉主流的的深度强化学习方法，PPO, GRPO等

熟悉Isaac Sim, MuJuCo等仿真平台

具备双足步态开发经验者优先

工程方向：

具备大规模算法系统开发经验（如分布式训练框架、高并发推理服务）；

熟悉CUDA/OpenCL加速、嵌入式Linux开发，熟悉TensorRT/TVM等部署工具；

加分项：

在顶会顶刊（NIPS/ICML/ICLR/CVPR/ICCV等）发表AI相关论文；

熟悉机器人硬件（如机械臂、无人车、四足机器人）的底层控制接口；