高德地图高德-具身仿真系统开发工程师/专家-具身业务部

1、负责机器人多模态大模型的开发，提升机器人对物理世界和人类语言的理解能力，以解决通用场景下的多任务操作问题； 2、优化模型框架和算法组件，利用视觉，语音，本体感知等多模态信息实现在不同应用场景下的功能泛化和长序列动作； 3、深度参与数据构建、模型训练和评测部署，支持模型算法在机器人控制系统中的集成，确保算法的实时性和稳定性； 4、结合生成式AI与多模态技术，探索机器人世界模型在实际场景的落地与应用潜力；

1、主导机器人产品的整体结构方案设计，进行多方案对比与决策； 2、负责系统级的堆叠（Stack-Up）评估，确保电机、传感器、电池、PCB等所有内部模块在空间、布线和散热上的合理性与最优化； 3、负责产品交互体验设计的落地，承接产品外观设计方案和人机交互需求，并转化为可量产的产品结构； 4、主导设计面向制造和装配的设计（DFM/A）评审，与制造团队和供应商紧密合作，优化设计以实现高效、低成本的大规模生产； 5、拥有较丰富的量产经验，能够解决产品在试产（EVT/DVT/PVT）和量产阶段出现的各种结构相关问题，并提供有效的解决方案。

1. 路径规划 ‒ 开发适用于多种场景（如机器人导航、自动驾驶、无人机等）的路径规划算法； ‒ 实现经典和前沿的全局及局部路径规划方法（如 A*、Dijkstra、RRT、DWA 等），优化路径规划的效率和鲁棒性； ‒ 处理动态环境中的路径生成和调整，解决复杂场景下的避障问题。 2. 行动决策 ‒ 研究并实现具身智能体的行动决策算法，设计任务分解和行为选择的逻辑； ‒ 基于行为树（Behavior Tree）、有限状态机（FSM）等方法，构建模块化的决策框架； ‒ 开发多智能体协作与竞争的行动决策模型，支持复杂交互任务的执行。 3. 强化学习（Reinforcement Learning，RL） ‒ 针对具身智能场景（如机械臂控制、机器人动态避障、导航等），设计强化学习的 reward 函数和训练策略； ‒ 实现主流深度强化学习算法（如 DQN、DDPG、PPO、SAC 等），解决高维连续控制与探索问题； ‒ 优化强化学习模型的收敛速度和鲁棒性，提升算法在实际场景中的表现。 4. 模仿学习（Imitation Learning，IL） ‒ 通过专家示范数据（如轨迹、动作序列）训练智能体，实现模仿人类/智能体行为； ‒ 应用行为克隆（Behavior Cloning, BC）、逆强化学习（Inverse Reinforcement Learning, IRL）等技术解决稀疏奖励问题； ‒ 结合模仿学习与强化学习，提升智能体在复杂任务中的学习和泛化能力。 5. 算法优化与工程实现 ‒ 优化算法的计算效率和资源占用，适配实时性要求 ；‒ 在仿真环境（如 Gazebo、PyBullet、Mujoco 等）和真实设备中验证算法性能； ‒ 配合嵌入式团队完成算法在终端设备上的部署与优化。 6. 技术研究与创新 ‒ 跟踪具身智能领域的前沿算法进展，探索新技术的实际应用； ‒ 研究多模态感知与决策（如视觉、语音、触觉）的融合方法，提升智能体的环境理解与行动能力； ‒ 参与长期自主学习、在线学习和自适应学习系统的设计与开发。

我们正在寻找在具身智能VLA（视觉-语言-动作）、空间计算（重建、SLAM等）及强化学习领域有深厚积累的算法同学，加入高德地图视觉技术中心。你将参与构建下一代地图中的感知、理解与决策系统，推动具身导航、AR/VR、场景建模等前沿技术的研发与落地。 如果你热衷于用AI改变人们出行方式，渴望在真实世界大规模数据上验证算法能力，欢迎加入我们！ 岗位职责： ● 负责视觉语言动作（VLA）的具身智能模型和视觉语言模型（VLM）的研发，提升具身agent的空间理解和行动决策能力； ● 推进空间计算相关技术（如SLAM、三维重建、点云处理、姿态估计等）在下一代地图、虚拟现实等场景的应用； ● 探索强化学习在多模态大模型的后训练中的应用，提升具身/空间智能的能力天花板； ● 跟踪国际前沿技术发展，持续推动技术创新，并落实到实际应用中； ● 与工程团队紧密协作，完成从算法研发到系统部署的全流程闭环。