模型算法工程师

该职位来源于猎聘 岗位定位：负责具身智能模型的工程实现、训练系统、评测流程和真机部署，重点将研究算法转化为稳定、可复现、可迭代、可交付的模型能力，支撑机器人 demo、客户场景验证和产品化落地。 岗位职责 1.负责具身智能模型的工程化开发，包括数据读取、模型训练、分布式训练、评测脚本、推理部署和实验管理。 2.基于大规模机器人操作数据，搭建稳定的训练 pipeline，支持 imitation learning、VLA / VTLA 模型等训练任务。 3.将研究员提出的算法方案转化为可运行、可复现、可维护的工程代码，并持续优化训练效率、显存占用、推理速度和系统稳定性。 4.负责模型评测与版本管理，建立离线评测、仿真评测、真机评测之间的结果对齐机制，支持模型版本迭代和性能对比。 5.与数据闭环团队协作，处理机器人多模态数据，包括图像、视频、触觉、力觉、关节状态、末端位姿、语言标注、动作轨迹等。 6.与规控和系统软件团队协作，完成模型在真实机器人平台上的部署、调试和性能优化，包括动作接口、推理频率、异常处理和安全边界。 7.参与 demo 和客户场景验证，分析模型失败案例，协助定位数据、模型、控制、传感器或系统集成问题。 8.编写和维护训练文档、部署文档、实验记录和模型版本说明，提升团队研发效率和可复现性。 任职要求 1.计算机、机器人、自动化、人工智能、电子工程等相关专业，本科及以上学历，硕士/博士优先。 2.熟练掌握 Python，熟悉 PyTorch，具备扎实的深度学习工程实现能力。 3.熟悉 Linux 开发环境，熟悉 Git、Docker、conda、shell、日志管理和常见工程调试方法。 4.有模型训练、数据处理、实验管理、性能优化或推理部署经验，能够独立维护中大型训练代码库。 5.理解 imitation learning、diffusion policy、Transformer、VLA / VLM、多模态学习等基本概念，能正确实现和调试。 6.熟悉机器人数据特点，了解图像、视频、点云、轨迹、关节状态、末端位姿、动作序列等数据格式。 7.具备较强的问题定位能力，能够分析 loss 异常、训练不收敛、数据读取错误、模型输出异常、部署不稳定等问题。 8.具备良好的工程习惯，重视代码可读性、模块化、可复现性和文档维护。 加分项 1.有 ACT、Diffusion Policy、OpenVLA、π系列、LeRobot、RoboMimic、RLBench、ManiSkill 等项目经验。 2.有大规模机器人数据训练、多机多卡训练、DDP、DeepSpeed、WandB、Hydra、Ray 等工具使用经验。 3.有真实机器人模型部署经验，尤其是机械臂、灵巧手、夹爪、双臂或人形机器人平台。 4.熟悉 ROS / ROS2、机器人控制接口、实时推理、边缘部署或 NVIDIA GPU 推理优化。 5.有高质量开源项目、工程化复现、机器人比赛、RoboMaster、Kaggle 或复杂系统开发经验。