网易具身智能算法工程师（26届补招）
任职要求
1、熟练掌握大语言模型及多模态大模型的训练和优化方法，精通主流深度学习框架如 PyTorch 或 TensorFlow，熟练掌握 Python 或 C++ 至少一种编程语言； 2、具备过硬的工程能力，能够独立完成特定任务开发，重视代码质量，精通调试和代码优化； 3、具备大规模分布式训练和高效微调（如 LoRA、低资源训练）技术落地经验，能够显著提升训练效率与工程实用…
工作职责
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。
1.负责具身智能的核心算法研发，聚焦强化学习（RL）与模仿学习（IL）技术，推动智能体在复杂物理环境中的感知、决策与行动能力； 2.设计并实现基于强化学习的端到端训练框架，解决稀疏奖励、多任务学习、长周期规划等挑战性问题； 3.开发高效的模仿学习算法，结合人类示范数据与自主探索策略，提升智能体在真实场景中的泛化性与安全性； 4.针对机器人控制、多模态感知-动作闭环等场景，优化算法在计算效率、实时性与鲁棒性方面的表现； 5.与硬件、仿真团队紧密协作，推动算法在实体机器人或虚拟环境中的部署与验证。
负责人形机器人的具身智能核心算法研发，覆盖操作、运动控制和导航三大方向。 1、操作（Manipulation）：基于 VLA（Vision-Language-Action）模型研发机器人抓取、放置、工具使用等操作能力，支撑 R02 机器人在商服/工厂等场景的任务交付； 2、 运动控制（Locomotion）：基于强化学习研发人形机器人全身运动控制策略（WBC），在 Isaac Gym/MuJoCo 中训练并完成 Sim2Real 部署； 3、导航（Navigation）：研发基于 VLA 的端到端导航算法（Nav-VLA），实现室内自主建图、避障和语义导航； 4、构建从数据采集→仿真训练→真机部署→评测的完整闭环。
1. 负责搭建和部署机器人控制框架 2. 研发基于强化学习算法的机器人灵巧操作能力 3. 负责强化学习相关的软件基础平台建设 4. 负责柔性控制、全身控制等相关功能研发 5. 参与机器人轨迹优化方面的相关工作
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。