智能互联高德-具身智能/世界模型/基座模型算法工程师/专家-视觉技术中心
任职要求
硬核技术背景： 计算机、机器人或AI相关专业硕士/博士，对Scaling Law有信仰，对Embodied AI有热情。
深度实战经验： 在VLA/VLM/WAM方向有深入研究，熟悉RT-2, OpenVLA, LLaVA, Pi等前沿框架。
或在世界模型/视频生成方向有扎实积淀。
或在强化学习领域有大规模训练经验，熟悉Muj…工作职责
团队介绍： 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现空间智能、高精度地图、三维重建、LLM/VLM，AI Agent等核心技术，持续突破自动驾驶、AR导航、具身智能、推广搜和生活服务等领域的技术边界。团队不仅在计算机视觉领域持续深耕，更将计算机视觉及AI技术在自主导航、高德打车、生活服务等多元化应用场景。 作为高德地图的核心技术驱动部门，我们以下一代三维地图引擎、多模态理解与生成、空间智能、世界模型等方向为核心，推动智能出行与真实世界连接的深度融合。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 我们在做什么？ 高德拥有全中国最庞大、最真实的物理世界视觉数据。我们不只是在做地图，我们正在基于空间智能构建一个能够感知、理解并预测物理规律的“具身基座模型”。 在这里，你将触达数亿级真实街景、轨迹与语义数据，解决从“数字地图”到“通用物理智能”的终极跨越。 岗位核心挑战 具身基座模型 (Embodied Foundation Models)： 研发下一代VLA/WAM大模型，突破多模态指令到精准动作映射的瓶颈，实现跨场景的零样本迁移能力。 世界模型 (World Models)： 构建基于大规模视频生成的物理世界模拟器，利用生成式AI预测场景演化，为具身智能提供无限的训练“想象空间”。 大模型后训练与强化学习 ： 探索GRPO、PPO、SAC等算法在多模态大模型、具身控制上的应用，通过大规模强化学习提升Agent在复杂时空环境下的决策边界。 大规模数据合成与闭环： 利用高德独有的时空数据优势，构建自动化的具身数据生产、评测管线，解决Scaling Law在具身领域的落地难题。 开源影响力与行业基准： 主导或深度参与具身智能开源项目建设。 我们鼓励将核心算法框架、高质量具身数据集或评估基准贡献给开源社区，打造具有行业号召力的开源作品，定义下一代具身智能的技术标准。 为什么加入高德视觉团队？ 顶级的“真”数据： 区别于实验室的玩具数据集，我们拥有海量真实室内外场景与空间语义数据，这是训练基座模型最完美的温床。 极致的算力支持： 提供充足的集群资源，让你的Idea不受算力瓶颈束缚。 真实的应用场景： 你的代码将直接驱动真实物理产品，影响数亿用户的出行决策。 极简的技术氛围： 扁平化管理，与世界顶尖研究者共同探索AI的下一站。 加入我们，一起定义物理世界的AI入口！
职位描述： 1、负责具身智能面向终端用户和智能硬件设备的云服务平台设计与核心模块开发； 2、负责 IoT / 车联网类设备接入、设备身份、状态管理、远程配置、消息通信、OTA / 版本管理、日志回传和异常定位等能力建设； 3、负责打通端侧设备、云端服务、算法服务和运营管理平台之间的协同链路，支撑线上服务稳定运行和持续更新； 4、负责设备云平台稳定性和服务治理建设，包括高并发接入、权限与安全、监控告警、链路追踪和故障恢复。
1. 负责面向真机 Benchmark 和数据闭环的算法数据工程建设，承接端上设备、数据闭环平台、仿真引擎和评测系统回传的数据。 2. 负责多源数据接入、清洗转换、格式标准化、质量检查、元数据管理、样本加工和训练 / 评测数据组织。 3. 负责面向算法迭代的数据资产建设，包括样本挖掘、失败样本归因、Benchmark 数据集管理、指标统计和版本对比。 4. 负责将稳定的数据处理、样本构建、误差分析和问题归因能力封装为 Tools / API / Agent 可调用工具。
1. 负责面向真机 Benchmark 和数据闭环场景的 Agent 应用算法与工程落地，支撑问题诊断、评测判断、任务决策、工具调用和结果回流等关键场景。 2. 负责建设 Agent Harness，支撑工具调用、Context / Memory 管理、任务编排、多 Agent 协同、运行观测、人工复核和结果回流。 3. 负责构建 Agent / Harness 端到端评测能力，围绕 Grader、Advisor、工具调用正确率、多步任务成功率等指标持续优化 Agent 表现。 4. 负责或参与基于闭环运行数据、人工反馈和评测结果构建训练与评测数据，支持 Agent 相关模型的微调、强化学习、蒸馏、评测和推理优化。 5. 与平台、数据工具链、仿真引擎、算法和产品团队协同，推动模型能力、工具策略和 Harness 机制在实际闭环流程中协同优化。
1、负责数据仿真平台的架构演进，将真实路采、仿真合成、生成重建转化为仿真场景库，与软硬件一起构建工具链支持算法模型训练和在环(SIL/ HIL)回归测试；负责具身智能仿真系统的设计、开发与优化，涵盖机器人仿真、交互式环境建模、任务生成、传感器仿真、动态行为建模仿真、仿真评测等关键技术；通过算法及工程化手段加速算法模型的迭代效率； 2、融合各类空间智能相关技术，对真实和虚拟世界快速建模，尤其在可交互复杂场景的构建方向，推动Real2Sim2Real领域内的关键技术研究； 3、结合传统仿真和生成式仿真的数据合成方案，构建全新的机器人场景下的数据范式，推动合成数据价值探索与应用落地； 4、探索端到端世界模拟器的能力探索，推动生成式AI与物理仿真引擎的深度结合，尤其在物理约束模拟等方向的关键技术研究。