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": "算法开发岗",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "探索研究院",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "研发类"AI生成
},
"company": {
"company_name": "京东集团",
"company_industry": "电商 / 供应链 / 物流 / 科技服务",
"company_size": "10000人以上",
"company_website": "jd.com",
"company_description": "京东是一家以供应链为基础的技术与服务企业，覆盖零售、物流、科技、健康等业务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "算法开发岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-08-04\n\n岗位职责\n部门介绍：\n京东探索研究院是以京东集团以各事业群与业务单元的技术发展为基础，集合全集团资源和能力，专注于前沿科技探索的研发部门与核心机构，研究院聚焦于自然语言、语音与声学、多模态、具身智能等技术方向进行前沿技术探索，通过“技术+产业”的深度融合，推动基础科学研究与产业创新应用。\n目前我们拥有多位入选IEEE Fellow的科学家。截止2025年9月，我们在AAAI、IJCAI、CVPR、KDD、NeurIPS、ICML、ACL、ICASSP等国际AI顶级会议上共发表相关论文超1000篇，并在多项国际性学术赛事中斩获70多项世界第一，与香港科技大学、清华大学、中国人民大学等多所国内外高校合作建立人工智能实验室和项目合作，充分展开产学研一体化实践。\n工作内容：\n1. 研究适用于机器人控制的强化学习算法体系，覆盖离线RL、在线RL及多任务RL，支撑复杂操作策略生成；\n2. 构建端到端的强化学习训练系统，整合仿真与真机环境，实现策略高效优化与迁移；\n3. 探索强化学习与模仿学习、VLA模型及人类反馈的融合机制，提升智能体在真实任务中的泛化与决策能力；\n4. 设计面向灵巧操作与移动操作的奖励机制与探索策略，优化算法在复杂场景中的表现；\n5. 跟踪国际前沿技术进展，形成可复现、可扩展的算法实践与知识积累。\n\n任职要求\n1. 具备强化学习算法研发能力，熟悉离线RL、在线RL及多任务RL，能设计并实现面向机器人控制的策略生成；\n2. 拥有机器人仿真与策略迁移经验，能基于Isaac Gym、MuJoCo等平台构建仿真环境，并推动策略从仿真到真机的高效迁移；\n3. 具备技术融合创新能力，能探索强化学习与模仿学习、VLA模型及人类反馈的结合机制，提升智能体在复杂场景的泛化与决策能力；\n4. 具备技术本质洞察力，能从复杂机器人控制问题中识别核心挑战，精准定位算法设计与奖励建模的关键瓶颈；\n5. 致力于在具身智能领域实现技术突破，长期投入于推动强化学习在真实机器人任务中的价值创造；\n6. 符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"requirements_text": "算法开发岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-08-04\n\n岗位职责\n部门介绍：\n京东探索研究院是以京东集团以各事业群与业务单元的技术发展为基础，集合全集团资源和能力，专注于前沿科技探索的研发部门与核心机构，研究院聚焦于自然语言、语音与声学、多模态、具身智能等技术方向进行前沿技术探索，通过“技术+产业”的深度融合，推动基础科学研究与产业创新应用。\n目前我们拥有多位入选IEEE Fellow的科学家。截止2025年9月，我们在AAAI、IJCAI、CVPR、KDD、NeurIPS、ICML、ACL、ICASSP等国际AI顶级会议上共发表相关论文超1000篇，并在多项国际性学术赛事中斩获70多项世界第一，与香港科技大学、清华大学、中国人民大学等多所国内外高校合作建立人工智能实验室和项目合作，充分展开产学研一体化实践。\n工作内容：\n1. 研究适用于机器人控制的强化学习算法体系，覆盖离线RL、在线RL及多任务RL，支撑复杂操作策略生成；\n2. 构建端到端的强化学习训练系统，整合仿真与真机环境，实现策略高效优化与迁移；\n3. 探索强化学习与模仿学习、VLA模型及人类反馈的融合机制，提升智能体在真实任务中的泛化与决策能力；\n4. 设计面向灵巧操作与移动操作的奖励机制与探索策略，优化算法在复杂场景中的表现；\n5. 跟踪国际前沿技术进展，形成可复现、可扩展的算法实践与知识积累。\n\n任职要求\n1. 具备强化学习算法研发能力，熟悉离线RL、在线RL及多任务RL，能设计并实现面向机器人控制的策略生成；\n2. 拥有机器人仿真与策略迁移经验，能基于Isaac Gym、MuJoCo等平台构建仿真环境，并推动策略从仿真到真机的高效迁移；\n3. 具备技术融合创新能力，能探索强化学习与模仿学习、VLA模型及人类反馈的结合机制，提升智能体在复杂场景的泛化与决策能力；\n4. 具备技术本质洞察力，能从复杂机器人控制问题中识别核心挑战，精准定位算法设计与奖励建模的关键瓶颈；\n5. 致力于在具身智能领域实现技术突破，长期投入于推动强化学习在真实机器人任务中的价值创造；\n6. 符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"skills": [AI生成
"强化学习",
"算法设计",
"建模",
"招聘",
"智能体开发"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.jd.com/web/job-info-detail?requementId=221150"
}
]
},
"posting": {
"posting_id": "221150",
"post_date": "2026-08-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.jd.com/web/job-info-detail?requementId=221150"
},
"fulltext": "算法开发岗\n算法开发岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-08-04\n\n岗位职责\n部门介绍：\n京东探索研究院是以京东集团以各事业群与业务单元的技术发展为基础，集合全集团资源和能力，专注于前沿科技探索的研发部门与核心机构，研究院聚焦于自然语言、语音与声学、多模态、具身智能等技术方向进行前沿技术探索，通过“技术+产业”的深度融合，推动基础科学研究与产业创新应用。\n目前我们拥有多位入选IEEE Fellow的科学家。截止2025年9月，我们在AAAI、IJCAI、CVPR、KDD、NeurIPS、ICML、ACL、ICASSP等国际AI顶级会议上共发表相关论文超1000篇，并在多项国际性学术赛事中斩获70多项世界第一，与香港科技大学、清华大学、中国人民大学等多所国内外高校合作建立人工智能实验室和项目合作，充分展开产学研一体化实践。\n工作内容：\n1. 研究适用于机器人控制的强化学习算法体系，覆盖离线RL、在线RL及多任务RL，支撑复杂操作策略生成；\n2. 构建端到端的强化学习训练系统，整合仿真与真机环境，实现策略高效优化与迁移；\n3. 探索强化学习与模仿学习、VLA模型及人类反馈的融合机制，提升智能体在真实任务中的泛化与决策能力；\n4. 设计面向灵巧操作与移动操作的奖励机制与探索策略，优化算法在复杂场景中的表现；\n5. 跟踪国际前沿技术进展，形成可复现、可扩展的算法实践与知识积累。\n\n任职要求\n1. 具备强化学习算法研发能力，熟悉离线RL、在线RL及多任务RL，能设计并实现面向机器人控制的策略生成；\n2. 拥有机器人仿真与策略迁移经验，能基于Isaac Gym、MuJoCo等平台构建仿真环境，并推动策略从仿真到真机的高效迁移；\n3. 具备技术融合创新能力，能探索强化学习与模仿学习、VLA模型及人类反馈的结合机制，提升智能体在复杂场景的泛化与决策能力；\n4. 具备技术本质洞察力，能从复杂机器人控制问题中识别核心挑战，精准定位算法设计与奖励建模的关键瓶颈；\n5. 致力于在具身智能领域实现技术突破，长期投入于推动强化学习在真实机器人任务中的价值创造；\n6. 符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n算法开发岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-08-04\n\n岗位职责\n部门介绍：\n京东探索研究院是以京东集团以各事业群与业务单元的技术发展为基础，集合全集团资源和能力，专注于前沿科技探索的研发部门与核心机构，研究院聚焦于自然语言、语音与声学、多模态、具身智能等技术方向进行前沿技术探索，通过“技术+产业”的深度融合，推动基础科学研究与产业创新应用。\n目前我们拥有多位入选IEEE Fellow的科学家。截止2025年9月，我们在AAAI、IJCAI、CVPR、KDD、NeurIPS、ICML、ACL、ICASSP等国际AI顶级会议上共发表相关论文超1000篇，并在多项国际性学术赛事中斩获70多项世界第一，与香港科技大学、清华大学、中国人民大学等多所国内外高校合作建立人工智能实验室和项目合作，充分展开产学研一体化实践。\n工作内容：\n1. 研究适用于机器人控制的强化学习算法体系，覆盖离线RL、在线RL及多任务RL，支撑复杂操作策略生成；\n2. 构建端到端的强化学习训练系统，整合仿真与真机环境，实现策略高效优化与迁移；\n3. 探索强化学习与模仿学习、VLA模型及人类反馈的融合机制，提升智能体在真实任务中的泛化与决策能力；\n4. 设计面向灵巧操作与移动操作的奖励机制与探索策略，优化算法在复杂场景中的表现；\n5. 跟踪国际前沿技术进展，形成可复现、可扩展的算法实践与知识积累。\n\n任职要求\n1. 具备强化学习算法研发能力，熟悉离线RL、在线RL及多任务RL，能设计并实现面向机器人控制的策略生成；\n2. 拥有机器人仿真与策略迁移经验，能基于Isaac Gym、MuJoCo等平台构建仿真环境，并推动策略从仿真到真机的高效迁移；\n3. 具备技术融合创新能力，能探索强化学习与模仿学习、VLA模型及人类反馈的结合机制，提升智能体在复杂场景的泛化与决策能力；\n4. 具备技术本质洞察力，能从复杂机器人控制问题中识别核心挑战，精准定位算法设计与奖励建模的关键瓶颈；\n5. 致力于在具身智能领域实现技术突破，长期投入于推动强化学习在真实机器人任务中的价值创造；\n6. 符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n算法开发岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-08-04\n\n岗位职责\n部门介绍：\n京东探索研究院是以京东集团以各事业群与业务单元的技术发展为基础，集合全集团资源和能力，专注于前沿科技探索的研发部门与核心机构，研究院聚焦于自然语言、语音与声学、多模态、具身智能等技术方向进行前沿技术探索，通过“技术+产业”的深度融合，推动基础科学研究与产业创新应用。\n目前我们拥有多位入选IEEE Fellow的科学家。截止2025年9月，我们在AAAI、IJCAI、CVPR、KDD、NeurIPS、ICML、ACL、ICASSP等国际AI顶级会议上共发表相关论文超1000篇，并在多项国际性学术赛事中斩获70多项世界第一，与香港科技大学、清华大学、中国人民大学等多所国内外高校合作建立人工智能实验室和项目合作，充分展开产学研一体化实践。\n工作内容：\n1. 研究适用于机器人控制的强化学习算法体系，覆盖离线RL、在线RL及多任务RL，支撑复杂操作策略生成；\n2. 构建端到端的强化学习训练系统，整合仿真与真机环境，实现策略高效优化与迁移；\n3. 探索强化学习与模仿学习、VLA模型及人类反馈的融合机制，提升智能体在真实任务中的泛化与决策能力；\n4. 设计面向灵巧操作与移动操作的奖励机制与探索策略，优化算法在复杂场景中的表现；\n5. 跟踪国际前沿技术进展，形成可复现、可扩展的算法实践与知识积累。\n\n任职要求\n1. 具备强化学习算法研发能力，熟悉离线RL、在线RL及多任务RL，能设计并实现面向机器人控制的策略生成；\n2. 拥有机器人仿真与策略迁移经验，能基于Isaac Gym、MuJoCo等平台构建仿真环境，并推动策略从仿真到真机的高效迁移；\n3. 具备技术融合创新能力，能探索强化学习与模仿学习、VLA模型及人类反馈的结合机制，提升智能体在复杂场景的泛化与决策能力；\n4. 具备技术本质洞察力，能从复杂机器人控制问题中识别核心挑战，精准定位算法设计与奖励建模的关键瓶颈；\n5. 致力于在具身智能领域实现技术突破，长期投入于推动强化学习在真实机器人任务中的价值创造；\n6. 符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}