美团【北斗】具身智能动力系统算法工程师
任职要求
【岗位要求】 1.博士学历，电气工程、自动化、控制科学与工程、机械电子工程或相关专业。 2.具备电机/电驱算法领域扎实的理论基础和工程实践经验，熟悉永磁同步电机控制（FOC、弱磁、SVPWM等）。 3.具备优秀的C/C++代码能力和嵌入式开发经验（ARM/Cortex-M、DSP）。 4.有复杂系统电机控制项目经验（人形机器人关节驱动、无人机电推进系统等）优先。 5.在国际顶级会议或期刊（IEEE TPEL、TIE、ICRA、IROS等）发表一作论文优先。 6.熟悉各种功率器件、不同种…
工作职责
美团是中国领先的生活服务科技平台，拥有覆盖数千万商户与数亿用户的真实履约网络。美团无人机是全球率先实现城市低空配送常态化运营的团队。我们正将具身智能技术引入大规模真实物理场景，探索"让机器像人一样理解世界、自主行动"的下一代智能体。 在该岗位中您将负责： 1.负责无人机及具身智能机器人动力系统的电机/电驱算法研发，面向复杂系统场景（多自由度关节驱动、高动态响应、高可靠运行），开展电机控制算法设计、优化与工程化落地。 2.开展永磁同步电机FOC控制、电机控制器嵌入式开发、电机状态估计与故障诊断、振动抑制与噪声优化等算法研发工作。 3.探索大模型与强化学习在电机参数自适应整定、在线学习优化中的应用，构建数据驱动的AI增强控制新范式。 4.与公司具身智能战略深度协同，支撑关节电机、电驱动总成等动力系统的全栈自研能力构建。
美团是中国领先的生活服务科技平台，拥有覆盖数千万商户与数亿用户的真实履约网络。美团无人机是全球率先实现城市低空配送常态化运营的团队。我们正将具身智能技术引入大规模真实物理场景，探索"让机器像人一样理解世界、自主行动"的下一代智能体。 在该岗位中您将负责： 1.定义并设计具身智能本体架构，结合应用场景（无人机、移动机器人、人形机器人等）定义形态、自由度、感知-决策-执行链路，形成从概念到功能定义的系统方案； 2.构建并优化具身数据采集与训练软件系统，涵盖多模态数据（视觉、力觉、IMU、关节状态等）采集、仿真数据合成、数据标注与增强、以及端到端训练pipeline的设计与部署； 3.建立并完善具身智能系统测评体系，设计面向真实场景的评测指标与基准测试方案，覆盖感知理解、任务规划、运动控制、人机协作、鲁棒性与安全性等维度，推动测评从仿真到实机的闭环验证； 4.掌握具身智能EE架构，理解传感器选型与融合（视觉、IMU、力/力矩、触觉等）、计算平台选型与边缘部署、功耗与实时性约束，能够主导或深度参与软硬件协同设计； 5.推动具身智能技术与机器人硬件的深度融合，探索基于大模型、生成式AI的具身智能新范式，并能够通过原型系统验证技术可行性； 6.主动探索并运用各类AI工具优化日常工作流程，积极推动AI在业务场景中的落地实践，持续提升个人及团队的工作效率与产出质量。
美团是中国领先的生活服务科技平台，拥有覆盖数千万商户与数亿用户的真实履约网络。美团无人机是全球率先实现城市低空配送常态化运营的团队。我们正将具身智能技术引入大规模真实物理场景，探索"让机器像人一样理解世界、自主行动"的下一代智能体。你将加入具身智能算法核心团队，承担以下职责： 1.大规模数据体系建设：设计构建大规模真机与第一人称操作数据采集体系，探索类人形具身数据最优闭环范式；推动超大规模数据工具链建设，研究数据混合策略，探索 Foundation Model 在机器人中的 Scaling Law 与泛化边界。 2.真机部署与自我迭代：构建迈向商用的真机部署方案，结合美团真实业务场景（如无人机/机器人），研究基于人类反馈的强化学习与示范学习，使智能体实现技能的快速增量学习与迭代。 3.评测体系与前沿探索：建立具身智能系统化评测体系（任务成功率、泛化性等）指导模型迭代；依托公司真实场景数据与高校合作资源，定义并解决具身智能领域的关键科学问题，参与前沿学术会议的高质量论文产出。
美团是中国领先的生活服务科技平台，拥有覆盖数千万商户与数亿用户的真实履约网络。美团无人机是全球率先实现城市低空配送常态化运营的团队。我们正将具身智能技术引入大规模真实物理场景，探索"让机器像人一样理解世界、自主行动"的下一代智能体。你将加入具身智能算法核心团队，承担以下职责： 1. 算法方案设计与落地 深入理解美团真实业务场景与任务需求，探索类人形具身智能"数据采集—算法训练"的最优配合范式；设计高效的数据闭环方案与预训练/后训练模型算法方案，持续提升具身智能模型在真实物理世界中的泛化能力与鲁棒性。 2. 学术成果产出 依托美团海量真实场景数据与高校深度合作资源，定义并攻克具身智能领域的关键科学问题；以第一作者或核心贡献者身份，在 CVPR、ICRA、NeurIPS 等顶级会议产出高质量论文。 3. AI 工具提效 将大语言模型、AI 编程助手等前沿工具深度融入算法研发全流程（方案设计、代码实现、实验分析、文档撰写），推动团队整体研发效率与智能化水平跃升。
简介：具身智能是通往通用人工智能（AGI）的“最后一块拼图”，也是将AI从数字世界（Digital World）引入物理世界（Physical World）的关键枢纽。真正的智能不应仅存在于对话框中，而应具备理解物理法则、感知复杂环境并执行精准操作的能力。 本课题致力于打造世界一流的具身智能团队，构建统一的感知-决策-控制底层架构。我们探索将视觉、语言与动作指令深度耦合，赋予机器人像人类一样“看懂世界、预判未来、灵活操作、自然交互”的原生能力，挑战物理世界中的复杂长程任务，推动具身智能从实验室走向千家万户。 具体地，我们关注如下研究方向： 1、具身大模型感知与决策：探索构建端到端（End-to-End）的Vision-Language-Action（VLA）大模型。研究如何将海量互联网多模态数据与机器人异构动作数据进行统一表征预训练，提升模型在开放场景下的零样本任务泛化能力，实现从高层逻辑推理到底层电机控制指令的平滑映射。 2、物理世界模型与因果推理：研究基于生成式架构的物理世界模型，使机器人能够通过视频生成或状态预测“预判”行动后果。探索如何在大模型中建模物理定律（重力、摩擦、刚性/流体等），通过想象进行自监督学习和虚拟进化，解决物理实验数据稀缺与长尾场景模拟的难题。 3、视觉语义导航与长程规划：针对大尺度、动态变化的未知环境，研究结合常识推理的视觉语言导航（VLN）技术。利用大语言模型的逻辑链（CoT）能力，将复杂的模糊指令分解为可执行的动作序列，解决具身智能在复杂物理空间中的定位、语义地图构建及长程任务中的意图保持问题。 4、敏捷运动控制与精细操作：探索强化学习（RL）与大模型结合的全身协同控制方案。包括但不限于：人形机器人的复杂地形敏捷行走、基于触觉-视觉融合的多指灵巧手精细操作。研究如何通过Sim-to-Real技术将大规模仿真学习的策略高效迁移至真实硬件，实现丝滑的物理动作输出。 5、具身人机交互与在线进化：构建自然的自然语言/手势交互界面，使机器人能理解人类的情境、反馈并进行修正。研究基于人类反馈的具身强化学习与示范学习，使智能体能够在与环境、人类互动的过程中实现技能的增量学习与自我迭代。