字节跳动机器人算法研究实习生-ByteDance Research
任职要求
1、本科及以上学历在读，计算机、自动化等相关专业优先； 2、扎实的数学和算法基础，快速学习新技术的能力，能够在较短时间内理解前沿论文并评价； 3、在机器人抓取操作、SLAM、机器学习、强化学习、多模态等机器人相关方向有相关经验； 4、在顶级学术会议上发表论文者如CVPR、ICRA、NeurIPS等优先； 5、每周实习3天及以上，可实习4个月以上。
工作职责
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：字节跳动ByteDance Research专注于人工智能领域的前沿技术研究，涵盖了机器翻译、视频理解基础模型、机器人研究、机器学习公平性、量子化学、AI 制药、分子动力学等多技术研究领域，同时致力于将研究成果落地，为公司现有的产品和业务提供核心技术支持和服务。 1、机器人相关算法的开发和研究工作（感知、定位、操作、交互等），提出和实现最前沿的算法，保持算法在工业界和学术界的领先； 2、推动最新前沿算法在机器人上的应用和扩展。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：ByteDance Research专注于人工智能领域的前沿技术研究，涵盖了机器翻译、视频理解基础模型、机器人研究、机器学习公平性、量子化学、AI 制药、分子动力学等多技术研究领域，同时致力于将研究成果落地，为公司现有的产品和业务提供核心技术支持和服务。 1、负责机器人大模型所需的虚拟数据处理与生成，确保各类型/模态数据的质量与多样性； 2、探索有利于机器人策略的学习算法，尤其是虚拟现实迁移的方案； 3、对特定机器人平台实现算法的部署和调试，提高机器人策略效率。
团队介绍：字节跳动ByteDance Research专注于人工智能领域的前沿技术研究，涵盖了机器翻译、视频理解基础模型、机器人研究、机器学习公平性、量子化学、AI 制药、分子动力学等多技术研究领域，同时致力于将研究成果落地，为公司现有的产品和业务提供核心技术支持和服务。 课题介绍：我们的使命是研究攻克下一代智能机器人最挑战的技术，一方面重点聚焦在机器人基础模型、智能感知-操作-交互方面，研发业界最领先的技术，孵化下一代智能机器人系统，同时，我们也聚焦于实现在实际场景中真正可用的机器人产品，通过实际业务驱动，在复杂的机器人与人共存的环境中，打造软硬件与算法领先的高智能机器人。 领域优势： 1、由世界顶尖的机器人科学家和工程师组成，面向下一代机器人研究最前沿、最关键的基础问题，并进行规模化应用拓展。 2、团队在数据、算力和软硬件上具备优势，在机器人基础模型、智能感知-操作-交互上研发一系列世界级引领性技术，打造通用机器人和学习系统。 3、团队在感知、定位、重建、规划等全链条的机器人核心算法方面积累优势，并在实际场景和数据中进行最新算法的探索研究。 我们期待对机器人研究有热情并有相关经验的优秀博士生加入。 1、围绕机器人在深度强化学习，模仿学习与逆强化学习等开展前沿技术研究工作； 2、推动最新强化学习等算法在机器人上的大规模扩展； 3、参与孵化下一代智能机器人技术和新产品。
团队介绍：字节跳动ByteDance Research专注于人工智能领域的前沿技术研究，涵盖了机器翻译、视频理解基础模型、机器人研究、机器学习公平性、量子化学、AI 制药、分子动力学等多技术研究领域，同时致力于将研究成果落地，为公司现有的产品和业务提供核心技术支持和服务。 课题介绍：我们的使命是研究攻克下一代智能机器人最挑战的技术，一方面重点聚焦在机器人基础模型、智能感知-操作-交互方面，研发业界最领先的技术，孵化下一代智能机器人系统，同时，我们也聚焦于实现在实际场景中真正可用的机器人产品，通过实际业务驱动，在复杂的机器人与人共存的环境中，打造软硬件与算法领先的高智能机器人。 领域优势： 1、由世界顶尖的机器人科学家和工程师组成，面向下一代机器人研究最前沿、最关键的基础问题，并进行规模化应用拓展。 2、团队在数据、算力和软硬件上具备优势，在机器人基础模型、智能感知-操作-交互上研发一系列世界级引领性技术，打造通用机器人和学习系统。 3、团队在感知、定位、重建、规划等全链条的机器人核心算法方面积累优势，并在实际场景和数据中进行最新算法的探索研究。 我们期待对机器人研究有热情并有相关经验的优秀博士生加入。 1、从事大规模机器人基础模型的预训练、微调和优化研究，以模型为中心，提升机器人的智能边界； 2、探索多模态大模型前沿问题，推动在机器人上的大规模扩展，包括但不限于抓取操作、运动控制、世界建模等； 3、参与孵化下一代智能机器人技术和新产品。
团队介绍：字节跳动ByteDance Research专注于人工智能领域的前沿技术研究，涵盖了机器翻译、视频理解基础模型、机器人研究、机器学习公平性、量子化学、AI 制药、分子动力学等多技术研究领域，同时致力于将研究成果落地，为公司现有的产品和业务提供核心技术支持和服务。 课题介绍： 我们利用Al技术进行药物的自动发现和设计，大幅降低药物开发的成本，推动药物开发的范式转移。主要利用深度学习进行大分子药物的设计。 领域优势：团队在生成式蛋白质设计、蛋白质构象预测以及冷冻电镜解析等领域取得了业界瞩目的成果。 在生成式蛋白质设计方面，团队研发了基于大规模蛋白质语言模型的序列设计方法LM-Design，大幅提高了蛋白质序列设计的准确度与效率；研发了结合扩散模型与语言模型的新一代蛋白质基础模型DPLM和DPLM-2，首次全面统一了蛋白质序列和结构的联合建模、理解与生成；研发了基于偏好优化的抗体设计方法AbDPO，能够设计出同时满足多种性质和能量要求的抗体。在蛋白质动态构象预测方面，团队研发了ConfDiff等模型，准确预测了蛋白质的构象变化，加深了对蛋白质生物过程的理解，还为新药研发提供了可靠的理论基础。冷冻电镜解析方面，团队研发了CryoSTAR电镜解析工具和CryoFM冷冻电镜基础模型，结合人工智能技术和高分辨率成像，极大地提升了生物大分子结构解析的速度和精度。这一技术有助于揭示复杂生物分子体系的构象特征和动态变化，为药物靶点的发现与设计提供了强有力的支持。 团队的研究成果多次发表在ICML、NeurIPS、ICLR等顶级学术会议上，得到学术界和业界的广泛认可。 1、开发自然科学的基础大模型，用于蛋白质结构预测、分子构象生成和蛋白质设计； 2、利用公共基准和数据库评估新的AI/ML方法； 3、与多学科团队密切合作，将创新算法应用于解决前沿挑战。