具身智能工程师

1. 01

   职位概览 负责面向锂电池工厂（前段/中段/后段及PACK线）中当前无法完全自动化的柔性工序，设计并落地基于人形机器人、复合机器人（AMR+机械臂）、协作机械臂等智能装备的自动化解决方案。通过算法创新与工程部署，打通锂电产线"最后一公里"，替代高强度人工作业，提升产线一致性、安全性与节拍效率。

2. 02

   岗位职责:

3. 01

   多模态算法开发：负责基于VLA（Vision-Language-Action）/ WAM （world action model）架构的算法开发，利用大模型能力提升机器人在复杂指令下的泛化操作能力。

4. 02

   混合规划方案设计：将传统的路径/运动规划与端到端的深度学习方案相结合，确保机器人在保证工业级稳定性的同时，具备处理非结构化环境的灵活性。

5. 03

   仿真环境搭建与训练：利用主流机器人仿真平台构建数字孪生工厂，进行大规模强化学习或模仿学习训练，实现从Real- Sim-to-Real 的高效迁移。

6. 04

   复杂工序自动化：针对锂电生产中如“柔性接线”、“异型件理料”、“精密插件”等传统自动化无法解决的痛点，设计并实现全流程闭环控制方案。

7. 05

   系统集成与优化：在真机平台上部署算法，优化感知-决策-执行的端到端延迟，提升任务成功率与生产节拍

学历专业：本科及以上 知识技能：

1. 01

   算法基础（核心要求） 传统运动规划： 深入理解机器人运动学与动力学，精通轨迹规划、避障算法（如 A、RRT CHOMP/STOMP MPC 等）。 VLA、WAM与具身智能： 熟悉 Transformer 架构及多模态大模型（如 RT-1, RT-2, OpenVLA 或类似框架）。 掌握模仿学习（BC/GAIL）、强化学习（PPO/SAC）在机器人操作中的应用。 了解视觉语言模型（VLM）与机器人动作空间的映射技术。

2. 02

   仿真平台使用 精通至少一种以下主流仿真环境： NVIDIA Isaac Gym / Isaac Sim：具备在大规模并行仿真环境下进行强化学习训练的经验。 MuJoCo / PyBullet：熟悉物理引擎参数调优，能够进行精细的接触力学仿真。 Gazebo：熟悉基于 ROS/ROS2 的系统级仿真与逻辑验证。 Sapien / ManiSkill：有视觉操作（Visual Manipulation）仿真经验者优先。

3. 03

   编程与工具链 熟练掌握 Python（主流AI框架如 PyTorch/TensorFlow）与 C++（高性能算子开发）。 熟练使用 ROS2，了解其底层通信机制与中间件优化。 熟悉 Docker 容器化部署及 GPU 集群训练流程。

4. 04

   加分项 在锂电工厂、汽车制造等工业场景有实际的机械臂/复合机器人落地经验。 在国际顶会（ICRA, IROS, CoRL, CVPR等）发表过具身智能或机器人规划相关论文。 拥有自研 Sim-to-Real 成功迁移案例，解决过真假偏差问题。 工作经验：不限 语言：不限 其他：