地平线具身智能算法工程师
任职要求
1. 硕士及以上学历，专业方向为计算机科学、自动化、人工智能、机器人学或相关领域； 2. 具有机器人操作和导航相关的算法研发经验；或者具有多模态大模型（VLM）、扩散式生成模型的训练和微调经验； 3. 熟练掌握Python编程语言，pytorch训练框架，熟悉多机并行训练，熟悉docker； 4. 具备较强的研究能力与沟通能力，具有强烈的自驱力、责任心和团队合作精神，能独立思考并完成工作； 5. 熟练使用主流机器人仿真平台（Issac Lab、Mujoco、Habitat-Sim等）。 加分项： - 在顶级会议（如CVPR、NeurIPS、CoRL）或刊物（如PAMI、IJRR、TRO）发表过相关论文； - 熟悉ROS/ROS2，有本体部署和调试经验； - 熟悉经典导航算法（如A*、Dijkstra）和导航地图建模（如拓扑图、场景图）。
工作职责
1. 参与设计和开发跨本体的具身智能基础模型(Foundation Model)，应用于机器人操作(Manipulation)和导航(Navigation)； 2. 参与搭建具身智能算法开发所需要的基础设施、本体验证环境、数据集和测评体系； 3. 跟踪具身智能领域的最新研究动态，提出创新解决方案； 4. 持续优化算法性能，并探索具身智能基础模型在工业、服务或特定场景中的技术应用和落地机会。
1. 开发并优化货架容器 2D/3D 识别、定位与姿态估计算法，输出高鲁棒抓取位姿。 2. 机械臂运动学/动力学建模及逆解求解；轨迹规划与实时优化算法，抓取策略及柔顺控制算法开发。 3. 研发手眼标定、闭环视觉伺服与多传感器融合算法。 4. 引入并部署基于Autoregressive/Diffusion Models/VLA的端到端具身智能模型（如 RT series、π0、octo）。 5. 探索 Diffusion Policy、Imitation Learning、Reinforcement Learning等前沿方法，实现从视觉到动作的自监督或弱监督学习。 6. 搭建大规模数据采集、自动标注和自回放管线（Data Flywheel），持续迭代模型并进行线上 A/B 性能监控。 7. 与运动控制、系统集成团队密切协作，完成算法量化部署、边缘推理加速及实时监控告警。
1、负责机器人多模态大模型（VLA模型）的工程化落地，包括预训练开发、模型微调、训练优化以及实际效果调优； 2、参与基于大模型的机器决策控制工程化工作，包括训练框架搭建、数据集处理、算力部署，以及在真机上的部署与测试； 3、优化大模型的训练效率以及资源利用率，熟练运用诸如模型并行、Flash Attention、LoRA等技术； 4、负责云端数据处理以及分布式训练落地，优化大模型的多模态任务处理能力； 5、跟进多模态大模型与具身智能的前沿应用进展，负责模型在机器人场景的部署与技术转化。
视觉大模型方向： 1、 协调上层应用需求到机器视觉算法的整体架构; 2、 实现机器人基于3D视觉的双臂抓取方案，落地在照片、水杯等常规物体的视觉抓取任务中: 3、带领算法团队进行传统机器人视觉到端到端视觉大模型的技术演进，并落地在双臂协同抓取任务; 导航定位方向: 1、 负责机器人基于LIDAR的导航与定位算法研究与实现，并支持机器人业务中导航的需求; 2、负责单线和多线LIDAR的开发，SLAM 算法、多传感器融合算法、3D点云、3D场景重建等 3、负责无地图导航算法研究、自主实时建图方案研究; 4、实现高精度的地图更新; 机器人操作系统方向: 1、从事移动机器人系统的设计和研发，不限于底盘、四足、双足等形态;设计机械结构，硬件结构、并具备-定嵌入式开发经验: 2、具备机器人硬件开发经验，实现对关节电机的控制、实现与相机和雷达的通信: 3、熟悉运动控制算法，利用动捕收集步态数据，并通过强化学习和模仿学习实现机器人运动控制: 双臂方向 1、复现开源的双臂机器人扩散大模型RDT,并完成数据采集、模型训练、优化等功能: 2、设计触觉反馈传感器，并用于灵巧手，实习灵巧手的触党反馈: 3参与机器人架构设计、零部件选型、算法方案设计: 运动控制方向: 1.设计、 开发、实现和优化智能机械管的控制算法， 提高机械臂的智能性和学习能力。 2、研究机器人的智能控制模型，理解机器人的知、推理、学习和行为规划等机制。 3、在等机器人软件平台上开发机器人的控制和规划程序，并在Linux系统下进行软件开发和调试。 4、与其他团队成员合作，集成机器人和其他智能设备的功能，实现智能化的生产流程。
1、负责机器人多模态大模型（VLA模型）的工程化落地，包括预训练开发、模型微调、训练优化以及实际效果调优； 2、参与基于大模型的机器决策控制工程化工作，包括训练框架搭建、数据集处理、算力部署，以及在真机上的部署与测试； 3、优化大模型的训练效率以及资源利用率，熟练运用诸如模型并行、Flash Attention、LoRA等技术； 4、负责云端数据处理以及分布式训练落地，优化大模型的多模态任务处理能力； 5、跟进多模态大模型与具身智能的前沿应用进展，负责模型在机器人场景的部署与技术转化。