logo of anker

安克创新机器人助理运控算法工程师(上海)

校招全职地点:上海状态:招聘

任职要求


1. 熟悉learning-based control/VLN领域前沿进展;
2. 熟悉机器人运动学,动力学,运动规划与运动控制的基础知识;
3. 熟悉使用C++Python等编程语言,熟悉pytorch/tensorflow等主流深度学习框架,了解ROS等框架;
4. 熟悉主流机器人仿真软件…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


1. 研发适用于足式机器人决策规划的深度强化学习算法;
2. 负责强化学习规划控制算法的sim2real开发;
3. 负责深度强化学习算法的模型开发、调试与实际机器人验证。
包括英文材料
C+++
Python+
PyTorch+
TensorFlow+
还有更多 •••
相关职位

logo of bytedance
社招A60070

1、构建全景网络可观测性平台:打造覆盖物理和虚拟网络的Streaming Telemetry数据管道,整合GNMI、NETCONF、IPFIX/NetFlow、SNMP等多源数据,为AIOps提供高质量、高时效性的数据基石; 2、研发智能诊断与根因分析系统:应用机器学习与深度学习算法,对海量网络指标、日志、事件进行异常检测、关联分析与智能降噪,快速定位从光模块、交换机硬件、协议邻居到应用层流量的全链路故障根因; 3、探索LLM与Agent的创新应用: 1)智能运维助理:构建基于RAG(检索增强生成)的运维对话机器人,使其能理解自然语言问题,自动查询知识库与监控数据,提供精准的故障排查指引和网络状态报告;2)自动化修复与智能Runbook:训练运维Agent,使其能够安全、可控地调用网络工具与API;基于对故障场景的理解,自主生成、推荐甚至执行修复方案与应急预案(Runbook); 4、建设容量与风险预测能力:基于历史数据和业务增长模型,预测网络容量瓶颈、高风险链路与“亚健康”设备,驱动主动扩容和预防性维护; 5、打造坚如磐石的工程体系:遵循最佳工程实践,设计和开发高可用、可扩展的AIOps平台与服务;保障从数据采集、模型训练、在线推理到自动化闭环全流程的稳定性和性能。

更新于 2026-03-17北京
logo of tesla
社招5年以上电池车间

负责电池车间相关设备维护管理,管理团队为团队定义日常任务和设置方向,故障排除和工业设备维护。 电池车间具备独特的全流程电池制造工艺,先进的高自动化制造设备,独立开发的生产运营系统,全球领先的动力电池产品,特斯拉电池车间,正在驱动智能制造。欢迎来自不同领域的人才,加入我们,成为世界一流电池车间的创造者,共同引领电池行业发展。 工作职责: 带领和管理维修人员负责设备维护、维修与设备升级改造(电气、备件升级、机械)并为团队定义日常任务和方向; 培训和提升团队技术人员的维修技能以支持运营要求 协助预算制定和报告,维护备件库存。识别和订购所需的部件,维护跟踪系统 牵头或者参与设备运维或改造项目,包括乙方设备供应商 负责和协作部门和客户部门(生产、工艺 、 质量、物流等)对接,推进跨部门问题解决;

上海
logo of xpeng
实习

关于我们 我们正在打造下一代具身智能人形机器人,致力于让机器人通过视觉-语言-动作大模型(VLA)理解物理世界并执行复杂操作。在这里,你将深度参与最前沿的VLA算法从研发到真机部署的全流程,见证算法在真实硬件上的每一次“进化”。 你将作为算法团队与数据、测试团队之间的“粘合剂”,负责VLA操作算法迭代过程中的全链路项目管理,具体包括: 数据需求与闭环管理:负责VLA算法训练的数据需求分析,统筹数据采集的排期与执行,跟进数据标注质量,确保高质量数据按时交付,支撑模型迭代效率。 测试与版本排期:协同算法研发与测试团队,制定算法回归测试与真机实测计划,跟踪Bug修复进度,管理算法版本的发布节奏。 研发流程推进:组织技术评审会、日站会及复盘会,维护项目看板(如Jira、Notion、飞书),识别关键路径上的风险与卡点,并推动问题解决。 跨职能协同:作为信息枢纽,对齐算法研发、硬件集成与运维团队的信息差,确保算法迭代在真实机器人硬件上的顺利部署与验证。

更新于 2026-03-27深圳
logo of xpeng
实习

关于我们 我们正在打造下一代具身智能人形机器人,致力于让机器人通过视觉-语言-动作大模型(VLA)理解物理世界并执行复杂操作。在这里,你将深度参与最前沿的VLA算法从研发到真机部署的全流程,见证算法在真实硬件上的每一次“进化”。 你将作为算法团队与数据、测试团队之间的“粘合剂”,负责VLA操作算法迭代过程中的全链路项目管理,具体包括: 1.数据需求与闭环管理:负责VLA算法训练的数据需求分析,统筹数据采集的排期与执行,跟进数据标注质量,确保高质量数据按时交付,支撑模型迭代效率。 2.测试与版本排期:协同算法研发与测试团队,制定算法回归测试与真机实测计划,跟踪Bug修复进度,管理算法版本的发布节奏。 3.研发流程推进:组织技术评审会、日站会及复盘会,维护项目看板(如Jira、Notion、飞书),识别关键路径上的风险与卡点,并推动问题解决。 4.跨职能协同:作为信息枢纽,对齐算法研发、硬件集成与运维团队的信息差,确保算法迭代在真实机器人硬件上的顺利部署与验证。

更新于 2026-04-01深圳|上海