职位详情

职位列表 链接有效 不适用(官网全量采集) official:bytedance:7665619231358552373

端到端具身智能规控专家 - 火山引擎

未披露 · 北京、上海 · 字节跳动

主分类:机器人与自动驾驶算法研发
算法与数据
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "端到端具身智能规控专家 - 火山引擎",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京、上海",
        "work_mode": "未披露",AI生成
        "job_category": "研发"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品,旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 3,
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "团队介绍:火山引擎是字节跳动旗下云和AI服务平台,将字节跳动快速发展过程中积累的增长方法、技术能力和应用工具开放给外部企业,通过云和AI技术,推进企业智能化转型,激发增长潜能。\n\n1、负责端到端VLA模型的实体智能体规控链路落地,完成模型推理输出到移动底盘、执行机构控制指令的全链路适配与工程化,打通端侧部署、真机调试完整流程;\n2、主导规划控制算法的真机集成与性能优化,保障端到端具身系统的实时性、稳定性与运动柔顺性,持续打磨规控算法的实体运行表现与场景操作精度;\n3、对接模型训练与部署团队,推进模型蒸馏量化后的端侧适配、效果对齐与真机调优,解决端侧部署中的精度损失、时延管控、硬件兼容性等问题;\n4、搭建规控模块评测与回归体系,定位并解决仿真、真机场景中的规控类问题,驱动算法迭代闭环,持续提升复杂场景下的系统表现;\n5、参与规控接口定义、执行器与底盘交互协议设计,支撑项目从Demo验证到规模化落地的全周期推进,沉淀通用规控技术能力。",
        "requirements_text": "1、3年以上自动驾驶规划控制算法研发经验,具备一段式端到端智驾系统量产落地经验;\n2、深度理解Planning/Control/Prediction/Behavior Policy等模块,熟悉轨迹规划、优化控制、车辆运动学/动力学建模等方法;\n3、熟悉模仿学习、强化学习、世界模型等端到端技术路线,理解模型训练、蒸馏量化到车端部署的完整流程;\n4、理解横向/纵向控制算法,有车规级底盘控制对接与实车调优经验;\n5、熟练掌握C/C++/Python,熟悉ROS/Autoware等智驾软件栈,有主流车规芯片部署与优化经验。",
        "skills": [AI生成
            "Python",
            "C++",
            "强化学习",
            "模型训练",
            "建模"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7665619231358552373/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7665619231358552373",
        "post_date": "2026-07-23",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7665619231358552373/detail"
    },
    "fulltext": "端到端具身智能规控专家 - 火山引擎\n职位描述\n团队介绍:火山引擎是字节跳动旗下云和AI服务平台,将字节跳动快速发展过程中积累的增长方法、技术能力和应用工具开放给外部企业,通过云和AI技术,推进企业智能化转型,激发增长潜能。\n\n1、负责端到端VLA模型的实体智能体规控链路落地,完成模型推理输出到移动底盘、执行机构控制指令的全链路适配与工程化,打通端侧部署、真机调试完整流程;\n2、主导规划控制算法的真机集成与性能优化,保障端到端具身系统的实时性、稳定性与运动柔顺性,持续打磨规控算法的实体运行表现与场景操作精度;\n3、对接模型训练与部署团队,推进模型蒸馏量化后的端侧适配、效果对齐与真机调优,解决端侧部署中的精度损失、时延管控、硬件兼容性等问题;\n4、搭建规控模块评测与回归体系,定位并解决仿真、真机场景中的规控类问题,驱动算法迭代闭环,持续提升复杂场景下的系统表现;\n5、参与规控接口定义、执行器与底盘交互协议设计,支撑项目从Demo验证到规模化落地的全周期推进,沉淀通用规控技术能力。\n\n职位要求\n1、3年以上自动驾驶规划控制算法研发经验,具备一段式端到端智驾系统量产落地经验;\n2、深度理解Planning/Control/Prediction/Behavior Policy等模块,熟悉轨迹规划、优化控制、车辆运动学/动力学建模等方法;\n3、熟悉模仿学习、强化学习、世界模型等端到端技术路线,理解模型训练、蒸馏量化到车端部署的完整流程;\n4、理解横向/纵向控制算法,有车规级底盘控制对接与实车调优经验;\n5、熟练掌握C/C++/Python,熟悉ROS/Autoware等智驾软件栈,有主流车规芯片部署与优化经验。\n团队介绍:火山引擎是字节跳动旗下云和AI服务平台,将字节跳动快速发展过程中积累的增长方法、技术能力和应用工具开放给外部企业,通过云和AI技术,推进企业智能化转型,激发增长潜能。\n\n1、负责端到端VLA模型的实体智能体规控链路落地,完成模型推理输出到移动底盘、执行机构控制指令的全链路适配与工程化,打通端侧部署、真机调试完整流程;\n2、主导规划控制算法的真机集成与性能优化,保障端到端具身系统的实时性、稳定性与运动柔顺性,持续打磨规控算法的实体运行表现与场景操作精度;\n3、对接模型训练与部署团队,推进模型蒸馏量化后的端侧适配、效果对齐与真机调优,解决端侧部署中的精度损失、时延管控、硬件兼容性等问题;\n4、搭建规控模块评测与回归体系,定位并解决仿真、真机场景中的规控类问题,驱动算法迭代闭环,持续提升复杂场景下的系统表现;\n5、参与规控接口定义、执行器与底盘交互协议设计,支撑项目从Demo验证到规模化落地的全周期推进,沉淀通用规控技术能力。\n1、3年以上自动驾驶规划控制算法研发经验,具备一段式端到端智驾系统量产落地经验;\n2、深度理解Planning/Control/Prediction/Behavior Policy等模块,熟悉轨迹规划、优化控制、车辆运动学/动力学建模等方法;\n3、熟悉模仿学习、强化学习、世界模型等端到端技术路线,理解模型训练、蒸馏量化到车端部署的完整流程;\n4、理解横向/纵向控制算法,有车规级底盘控制对接与实车调优经验;\n5、熟练掌握C/C++/Python,熟悉ROS/Autoware等智驾软件栈,有主流车规芯片部署与优化经验。",
    "standard_classification": {
        "std_category_code": "T013",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}