滴滴具身智能机器人硬件算法研发工程师/专家(J250619033)
任职要求
1、计算机、机器人、控制、自动化或相关专业硕士及以上学历；或具有丰富相关工作经验的本科学历。 2、具有机器人运动学或深度学习相关背景，熟悉ROS、规控算法与嵌入式开发，有机器人或机械臂使用经验优先。 编程基本功扎实，编程风格良好，动手能力强；熟练掌握C++和python；有算法落地工程化经验； 3、 具有良好的团队合作精神和沟通能力，能够与团队成员协作推进项目进展； 有强烈的自驱力、持续学习的能力以及良好的团队协作能力。 加分项： 1、发表过具身智能、自动驾驶、多模态大模型等相关领域的论文。 2、在具身智能领域积累了丰富的项目经验，有推动算法落地的相关经验。 3、在算法编程竞赛中取得优异成绩（如ACM、CCPC等），或者在codeforces等编程网站中取得较高rating。 4、在知名计算机视觉和深度学习相关的学术比赛中取得较好名次，发表过相关技术报告。 5、在深度学习某一领域发表过有影响力的论文。 6、参与开源和长期维护有影响力的开源代码库。 7、善于思考，有优秀的逻辑思维能力和分析解决问题的能力。
工作职责
1、负责人形机器人、机械臂等硬件实体的调校、传感器标定，以及规控算法的设计与工程实践； 2、负责AI模型在机器人硬件系统上的算法部署、性能优化与工程化落地；
该岗位分3个方向，请同学们仔细阅读岗位JD，选择适合自己的方向进行投递。 【机器人算法工程师】（规划&控制方向） 职位描述： 1、负责机器人运动学、动力学建模，并实现机器人运动或者路径规划，运动控制等算法； 2、有机器人导航， 机械手臂抓取， 液压控制等相关机器人项目经验； 3、对接硬件、产品等职能同事，实现机器人整体功能的实现和调试； 4、负责算法的优化、移植和产品化。 【机器人算法工程师】（感知&建模方向） 职位描述： 1、负责工程机械智能化场景中基于深度学习激光雷达点云的3D目标检测、分割、跟踪等算法的研发及迭代优化； 2、参与工程机械智能化项目中的感知研发，开发并优化适用于复杂工况（如施工场景、恶劣天气条件）的点云处理和感知算法。 3、推动感知算法在工程机械智能化产品中的落地与优化提升，确保算法的高效运行和实时性； 4、结合工程机械的实际需求，对激光雷达点云数据进行预处理、特征提取和分析，为后续的感知任务提供高质量的数据支持； 5、参与多传感器融合算法的研发，探索激光雷达与其他传感器（如摄像头、IMU等）的协同工作模式，提高工程机械的环境感知能力； 6、跟踪和研究点云感知领域的最新技术动态，将其应用到实际项目中，保持公司技术的领先性。 【机器人算法工程师】（具身智能方向） 职位描述： 1、深入研究机器人多模态大模型（VLA模型）的理论及应用，包括预训练、微调策略、以及效果优化； 2、负责基于大模型的决策控制算法设计，探索前沿模仿学习（如 ACT、DP）及 Model-Based RL 算法在机器人上的研究与创新； 3、基于大模型开发创新算法框架，探索具身智能机器人实际场景中的应用方向，如 RT 系列等； 4、负责最新文献调研，跟踪多模态模型与机器人领域结合的技术前沿，提出具有创新性的研究思路； 5、参与并主导自定义数据集构建、特定任务的模型训练与评估； 6、推动具身智能系统算法在复杂场景下的理论研究，探索工程机械场景智能化解决方案。
1、机器人基础模型架构设计与开发:如视觉-语言-动作(VLA)模型的算法研发,包括多模态特征对齐、动作序列生成与推理优化,推动模型在机器人操作场景的端到端能力提升； 2、具身智能多模态系统构建:设计融合视觉、语言与动作的联合训练框架,开发基于Transformer或扩散模型的跨模态交互机制，提升模型在复杂动态环境中的语义理解与决策能力； 3、算法性能优化与工程化:针对具身智能硬件平台(如机械臂、移动机器人)优化VLA等模型的实时推理性能，通过算子融合、量化压缩等技术实现低延迟部署。 4、跨模态数据闭环建设:搭建大规模具身智能数据采集与增强系统,设计数据标注与仿真验证工具链,支撑VLA等模型在真实场景的持续迭代。
1. VLA模型研发： 参与或主导 VLA 模型的架构设计、训练和优化，提升模型在多模态理解和具身任务执行中的性能。 2. 数据闭环建设： 负责具身智能所需的数据采集、标注和处理流程，构建高效的数据闭环系统，以持续优化模型。你将探索新的数据获取方式，包括但不限于利用机器人自身进行自动化数据采集。 3. 具身技能开发： 将 VLA 模型部署到实际机器人平台上，解决模型与机器人硬件之间的集成和适配问题。开发和调试机器人技能，使其能够完成抓取、放置、操作工具等复杂任务。 4. 算法优化与落地： 持续关注具身智能领域的最新研究成果，并将前沿算法应用到实际产品中，解决技术挑战，推动产品性能的迭代升级。
1. VLA模型研发： 参与或主导 VLA 模型的架构设计、训练和优化，提升模型在多模态理解和具身任务执行中的性能。 2. 数据闭环建设： 负责具身智能所需的数据采集、标注和处理流程，构建高效的数据闭环系统，以持续优化模型。你将探索新的数据获取方式，包括但不限于利用机器人自身进行自动化数据采集。 3. 具身技能开发： 将 VLA 模型部署到实际机器人平台上，解决模型与机器人硬件之间的集成和适配问题。开发和调试机器人技能，使其能够完成抓取、放置、操作工具等复杂任务。 4. 算法优化与落地： 持续关注具身智能领域的最新研究成果，并将前沿算法应用到实际产品中，解决技术挑战，推动产品性能的迭代升级。