主分类：机器人与自动驾驶算法研发
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": "菜鸟-VLA算法工程师-物流机器人",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "菜鸟",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "菜鸟",
"company_industry": "物流 / 供应链 / 物流科技",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "菜鸟提供电商物流服务，并研发自动化及智能化物流技术产品。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "硕士及以上学历（博士优先）",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责视觉 - 语言 - 动作（VLA）大模型的架构设计、预训练及微调\n2.主导模仿学习算法的实现与优化，包括但不限于 Behavior Cloning (BC), Diffusion Policy, ACT, RT-1/RT-2/OpenVLA 等主流范式。\n3.解决机器人在复杂仓储非结构化环境下的拣选泛化问题（新物体、新指令、新场景）\n4.设计与实施高效的数据采集管线，将遥操采集的多模态数据（RGB-D 图像、语言指令、关节状态、末端位姿）转化为标准化的训练数据集（如 RLDS 格式）。\n5.开发数据清洗、增强、自动标注工具，提升数据质量与多样性，解决“长尾分布”数据稀缺问题。\n6.搭建高保真仿真环境（Isaac Sim / MuJoCo / Habitat），利用域随机化（Domain Randomization）和域自适应技术，将仿真中训练的策略无缝迁移到真机（轮式底盘 + 双臂）。\n7.协同系统集成团队，优化模型推理延迟，实现实时的端到端控制（End-to-End Control）",
"requirements_text": "1.计算机、机器人、自动化、人工智能等相关专业，硕士及以上学历（博士优先）\n2.3 年以上深度学习或机器人控制算法开发经验，至少 1 年具身智能/机器人实操项目经验。\n3.精通 PyTorch/JAX 框架，有从头复现或改进过开源 VLA 模型（如 OpenVLA, Octo, RT-X, Diffusion Policy）的成功案例。\n4.深刻理解 Transformer 架构及其在时序动作预测中的应用。\n5.熟练掌握模仿学习核心算法（BC, GAIL, Diffusion Policy, ACT 等），对如何处理多模态输入对齐有独到见解。\n6.熟悉机器人运动学/动力学基础，理解 ROS/ROS2 通信机制。\n7.具备极强的代码工程能力，能够编写高效、可维护的 C++/Python 代码。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"深度学习"
],
"preferred_qualifications": "1.计算机、机器人、自动化、人工智能等相关专业，硕士及以上学历（博士优先）",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.cainiao.com/off-campus/position-detail?positionId=100002546004"
}
]
},
"posting": {
"posting_id": "100002546004",
"post_date": "2026-08-05",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.cainiao.com/off-campus/position-detail?positionId=100002546004"
},
"fulltext": "菜鸟-VLA算法工程师-物流机器人\n菜鸟-VLA算法工程师-物流机器人\n\n基础信息\n职位类别：技术类-算法\n工作地点：杭州\n\n职位描述\n1.负责视觉 - 语言 - 动作（VLA）大模型的架构设计、预训练及微调\n2.主导模仿学习算法的实现与优化，包括但不限于 Behavior Cloning (BC), Diffusion Policy, ACT, RT-1/RT-2/OpenVLA 等主流范式。\n3.解决机器人在复杂仓储非结构化环境下的拣选泛化问题（新物体、新指令、新场景）\n4.设计与实施高效的数据采集管线，将遥操采集的多模态数据（RGB-D 图像、语言指令、关节状态、末端位姿）转化为标准化的训练数据集（如 RLDS 格式）。\n5.开发数据清洗、增强、自动标注工具，提升数据质量与多样性，解决“长尾分布”数据稀缺问题。\n6.搭建高保真仿真环境（Isaac Sim / MuJoCo / Habitat），利用域随机化（Domain Randomization）和域自适应技术，将仿真中训练的策略无缝迁移到真机（轮式底盘 + 双臂）。\n7.协同系统集成团队，优化模型推理延迟，实现实时的端到端控制（End-to-End Control）\n\n职位要求\n1.计算机、机器人、自动化、人工智能等相关专业，硕士及以上学历（博士优先）\n2.3 年以上深度学习或机器人控制算法开发经验，至少 1 年具身智能/机器人实操项目经验。\n3.精通 PyTorch/JAX 框架，有从头复现或改进过开源 VLA 模型（如 OpenVLA, Octo, RT-X, Diffusion Policy）的成功案例。\n4.深刻理解 Transformer 架构及其在时序动作预测中的应用。\n5.熟练掌握模仿学习核心算法（BC, GAIL, Diffusion Policy, ACT 等），对如何处理多模态输入对齐有独到见解。\n6.熟悉机器人运动学/动力学基础，理解 ROS/ROS2 通信机制。\n7.具备极强的代码工程能力，能够编写高效、可维护的 C++/Python 代码。\n1.负责视觉 - 语言 - 动作（VLA）大模型的架构设计、预训练及微调\n2.主导模仿学习算法的实现与优化，包括但不限于 Behavior Cloning (BC), Diffusion Policy, ACT, RT-1/RT-2/OpenVLA 等主流范式。\n3.解决机器人在复杂仓储非结构化环境下的拣选泛化问题（新物体、新指令、新场景）\n4.设计与实施高效的数据采集管线，将遥操采集的多模态数据（RGB-D 图像、语言指令、关节状态、末端位姿）转化为标准化的训练数据集（如 RLDS 格式）。\n5.开发数据清洗、增强、自动标注工具，提升数据质量与多样性，解决“长尾分布”数据稀缺问题。\n6.搭建高保真仿真环境（Isaac Sim / MuJoCo / Habitat），利用域随机化（Domain Randomization）和域自适应技术，将仿真中训练的策略无缝迁移到真机（轮式底盘 + 双臂）。\n7.协同系统集成团队，优化模型推理延迟，实现实时的端到端控制（End-to-End Control）\n1.计算机、机器人、自动化、人工智能等相关专业，硕士及以上学历（博士优先）\n2.3 年以上深度学习或机器人控制算法开发经验，至少 1 年具身智能/机器人实操项目经验。\n3.精通 PyTorch/JAX 框架，有从头复现或改进过开源 VLA 模型（如 OpenVLA, Octo, RT-X, Diffusion Policy）的成功案例。\n4.深刻理解 Transformer 架构及其在时序动作预测中的应用。\n5.熟练掌握模仿学习核心算法（BC, GAIL, Diffusion Policy, ACT 等），对如何处理多模态输入对齐有独到见解。\n6.熟悉机器人运动学/动力学基础，理解 ROS/ROS2 通信机制。\n7.具备极强的代码工程能力，能够编写高效、可维护的 C++/Python 代码。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}