菜鸟菜鸟驿站-末端算法团队-机器学习与自然语言算法
任职要求
1. 学历要求: ● 计算机科学、数学、统计学等相关专业硕士及以上学历 2. 专业技能: ● 扎实的数学、统计学和机器学习理论基础 ● 精通常用机器学习算法(如回归、分类、聚类等)的原理与应用方式 ● 熟悉NLP与LLM,掌握基本的文本分类、NER等算法,了解LLM、AI Agent的运作流程 ● 熟练掌握Python与Java(C/C++)的程序开发,熟练掌握常用深度学习框架如Pytorch等 ● 具备良好的数据结构与算法…
工作职责
1. 主要研究方向:时间序列预测、时空数据挖掘、NLP与LLM(偏向RAG算法、AI Agent系统、LLM训练与推理),上述方向具备其一即可。 2. 负责机器学习、数据挖掘与自然语言算法的研究、设计和开发 3. 对业务数据进行分析,发现数据价值,提供解决方案 4. 设计并实现机器学习模型,解决实际业务问题;负责算法性能优化,提高模型效果 5. 与业务、产品团队紧密配合,将算法应用到具体场景,拿到业务结果
我们正在寻找热爱 AI 的你,共同探索智能物流领域的无限可能。如果你渴望在日均亿级包裹的淘天电商物流网络中,用 AI Agent 重构淘天电商物流业务形态,构建下一代淘天智能物流技术体系,这里是你理想的舞台!加入我们,你将: 1. 重塑物流履约体验:构建消费者体验、智能订单履约、智能物流质控、智能财务损益、商家运营提效等物流 Agent,实现从订单接入到末端配送的全链路智能决策,让每一个包裹更快、更准、更省地送达消费者手中; 2. 驱动物流数据智能化:建设智能数据商业分析 Agent,以 AI 驱动物流数据需求高效交付、商业洞察主动发现、分析能力跨场景规模化复用,让数据从"被动出报表"进化为"主动驱动业务决策",支撑物流业务商业决策; 3. 构建智能物流技术基建:打造智能物流 Agent 基础设施平台,建设统一的开发框架、评估体系、可观测性平台、工具链与安全护栏,为物流全场景 Agent 规模化落地提供坚实底座,打造 AI 时代高效交付的新研发模式; 4. 实践敏捷全栈团队:参与以业务价值交付为中心的敏捷全栈团队实践——以业务目标驱动需求拆解,以端到端闭环打通业务需求、产品设计、Agent 研发、测试评估、产品发布到智能运营的完整研发流程,以持续交付、测试左移、即时反馈的敏捷实践驱动业务价值落地; 在 AI 与物流深度融合的新时代,让我们一起用 Agent 重新定义物流!来吧,期待你的加入,开启属于你的智能物流创新之旅!
1. 技术路线与架构 - 制定“感知-决策-控制-学习”一体化技术路线图,平衡实时性、精度与成本。 - 设计分层开放架构:硬件抽象层 HAL、中间件 Embodied SDK、AI 服务层、数字孪生层。 2. 场景二次开发 - 带领跨学科团队(感知、规划、控制、机械、测试、产品)完成场景需求→功能分解→指标量化→迭代交付。 - 主导关键算法选型/自研:VLM 细粒度物体位姿估计、模仿学习+强化学习混合策略、全身协同柔顺控制。 3. 硬件改动与选型 - 评估并最小化本体改动:末端执行器快换、传感器加装(腕部 6D 力觉、3D ToF、语义相机)、算力升级(Orin/NX 边缘计算盒)。 - 建立外设生态库,制定电气/机械/通讯接口标准,实现“Plug & Play”二次开发。 4. 数据闭环与仿真 - 搭建“Real2Sim2Real”数据引擎:真实数据采集→自动标注→数字孪生训练→模型回灌→OTA 升级。 - 推动基于 NeRF/Gaussian Splatting 的场景快速重建,把新环境建模时间从 1 周缩短到 1 小时。 5. 质量与合规 - 制定并落地二次开发 V 模型:需求→系统→单元→HIL→现场验证→安全认证(CE/CR/防爆/KC)。 - 建立故障追溯体系,实现“一小时定位、一天给出补丁、一周 OTA 闭环”。 6. 团队与外部合作 - 30+ 人团队组建与培养:算法/工程/测试/PM/运维;建立技术晋升与专利激励制度。 - 主导与高校/芯片/云厂商/集成商的战略项目,争取政府及 EU Horizon 具身智能专项经费。
1、算法开发与优化:负责机器人运动规划控制算法(如强化学习、WBC、MPC等)的实现与改进,设计多关节系统的运动控制策略,实现高精度轨迹跟踪,开发动态障碍物避障算法,提升系统实时响应能力; 2、仿真与测试:基于ISAAC GYM/ROS/Gazebo搭建机器人运动规划仿真环境,设计典型场景测试用例,输出算法性能分析报告,包括成功率、实时性和鲁棒性指标; 3、系统集成与调试:参与机器人实际平台的算法部署,配合硬件团队进行执行器动态补偿与参数整定; 4、对人体关节、骨骼进行建模,显式或隐式定义关节约束,对给定的末端位置预测各个关节的位置和速度。
1、算法开发与优化:负责机器人运动规划控制算法(如强化学习、WBC、MPC等)的实现与改进,设计多关节系统的运动控制策略,实现高精度轨迹跟踪,开发动态障碍物避障算法,提升系统实时响应能力; 2、仿真与测试:基于ISAAC GYM/ROS/Gazebo搭建机器人运动规划仿真环境,设计典型场景测试用例,输出算法性能分析报告,包括成功率、实时性和鲁棒性指标; 3、系统集成与调试:参与机器人实际平台的算法部署,配合硬件团队进行执行器动态补偿与参数整定; 4、对人体关节、骨骼进行建模,显式或隐式定义关节约束,对给定的末端位置预测各个关节的位置和速度。