{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【实习】具身数据算法研发工程师",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "无人机业务部",
        "location": "深圳市",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "美团",
        "company_industry": "科技零售 / 生活服务",
        "company_size": "10000人以上",
        "company_website": "meituan.com",
        "company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
    },
    "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": "1、多模数据方向：提升多模数据的特征提取与表示能力，应用于具身智能领域的数据检索、挖掘与理解任务。\n2、具身智能基础模型方向：参与 VLA、WMA、多模态模型或机器人策略模型的训练、微调、评测与优化。\n3、AIGC 与合成数据方向：探索生成式模型在具身智能数据生产中的应用，提升训练数据的规模、覆盖度和多样性。\n4、仿真方向：负责 LiDAR、Camera、Radar、GNSS 等传感器的仿真，支持感知与规划算法的仿真验证与性能优化。\n5、规控方向：负责机器人感知、规划相关算法及本体结构的研发与优化工作。",
        "requirements_text": "1、多模数据方向：掌握 PyTorch 等主流深度学习框架，熟悉 Transformer、BERT、CLIP、对比学习等模型或方法；具备图像、视频、文本等多模态数据的表征学习、检索、挖掘或理解相关经验者优先。\n2、具身智能基础模型方向：熟悉 Transformer、多模态大模型、VLA 或 WMA 的基本原理；具备模型预训练、微调、评测或推理优化经验者优先；有机器人学习、视频理解、世界模型或机器人策略学习相关项目经验者优先。\n3、AIGC 与合成数据方向：熟悉扩散模型、Transformer、生成式视觉或视频模型等相关技术；具备图像、视频或多模态生成模型的训练、微调、编辑或数据增强经验者优先；了解生成数据的质量评估、数据安全与版权风险者优先。\n4、仿真方向：熟悉计算机图形学、3D Gaussian Splatting、NeRF，熟悉 LiDAR、Camera、Radar、GNSS 的仿真原理。\n5、规控方向：熟悉相机标定、位姿估计、目标检测与跟踪等感知技术，以及全局规划、局部规划或基于学习的规划方法；了解机器人本体结构设计、运动机构、传动系统或执行机构相关知识；熟悉主流结构设计软件或有限元仿真分析方法者优先。",
        "skills": [AI生成
            "PyTorch",
            "深度学习",
            "结构设计",
            "大语言模型"
        ],
        "preferred_qualifications": "具备图像、视频、文本等多模态数据的表征学习、检索、挖掘或理解相关经验者优先；具备模型预训练、微调、评测或推理优化经验者优先；有机器人学习、视频理解、世界模型或机器人策略学习相关项目经验者优先；具备图像、视频或多模态生成模型的训练、微调、编辑或数据增强经验者优先；了解生成数据的质量评估、数据安全与版权风险者优先；熟悉主流结构设计软件或有限元仿真分析方法者优先",
        "job_highlights": "1. 参与无人机配送网络的建设过程,和各领域专家一起推动整个行业发展,感受科技改变社会的历史使命\n2. 工作具有挑战,个人能快速成长和提升,发展空间广阔\n3. 团队氛围开放,鼓励学习、创新和试错\n4. 能够学习到复杂算法和工程之间的平衡,综合能力得到提升"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4763586894&jobShareType=1"
            }
        ]
    },
    "posting": {
        "posting_id": "4763586894",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4763586894&jobShareType=1"
    },
    "fulltext": "【实习】具身数据算法研发工程师\n【实习】具身数据算法研发工程师\n\n基础信息\n工作地点：深圳市\n部门：无人机业务部\n职位类别：技术类\n职位族群：算法\n更新时间：2026-09-10\n\n岗位职责\n1、多模数据方向：提升多模数据的特征提取与表示能力，应用于具身智能领域的数据检索、挖掘与理解任务。\n2、具身智能基础模型方向：参与 VLA、WMA、多模态模型或机器人策略模型的训练、微调、评测与优化。\n3、AIGC 与合成数据方向：探索生成式模型在具身智能数据生产中的应用，提升训练数据的规模、覆盖度和多样性。\n4、仿真方向：负责 LiDAR、Camera、Radar、GNSS 等传感器的仿真，支持感知与规划算法的仿真验证与性能优化。\n5、规控方向：负责机器人感知、规划相关算法及本体结构的研发与优化工作。\n\n岗位基本要求\n1、多模数据方向：掌握 PyTorch 等主流深度学习框架，熟悉 Transformer、BERT、CLIP、对比学习等模型或方法；具备图像、视频、文本等多模态数据的表征学习、检索、挖掘或理解相关经验者优先。\n2、具身智能基础模型方向：熟悉 Transformer、多模态大模型、VLA 或 WMA 的基本原理；具备模型预训练、微调、评测或推理优化经验者优先；有机器人学习、视频理解、世界模型或机器人策略学习相关项目经验者优先。\n3、AIGC 与合成数据方向：熟悉扩散模型、Transformer、生成式视觉或视频模型等相关技术；具备图像、视频或多模态生成模型的训练、微调、编辑或数据增强经验者优先；了解生成数据的质量评估、数据安全与版权风险者优先。\n4、仿真方向：熟悉计算机图形学、3D Gaussian Splatting、NeRF，熟悉 LiDAR、Camera、Radar、GNSS 的仿真原理。\n5、规控方向：熟悉相机标定、位姿估计、目标检测与跟踪等感知技术，以及全局规划、局部规划或基于学习的规划方法；了解机器人本体结构设计、运动机构、传动系统或执行机构相关知识；熟悉主流结构设计软件或有限元仿真分析方法者优先。\n\n岗位亮点\n1. 参与无人机配送网络的建设过程,和各领域专家一起推动整个行业发展,感受科技改变社会的历史使命\n2. 工作具有挑战,个人能快速成长和提升,发展空间广阔\n3. 团队氛围开放,鼓励学习、创新和试错\n4. 能够学习到复杂算法和工程之间的平衡,综合能力得到提升\n1、多模数据方向：提升多模数据的特征提取与表示能力，应用于具身智能领域的数据检索、挖掘与理解任务。\n2、具身智能基础模型方向：参与 VLA、WMA、多模态模型或机器人策略模型的训练、微调、评测与优化。\n3、AIGC 与合成数据方向：探索生成式模型在具身智能数据生产中的应用，提升训练数据的规模、覆盖度和多样性。\n4、仿真方向：负责 LiDAR、Camera、Radar、GNSS 等传感器的仿真，支持感知与规划算法的仿真验证与性能优化。\n5、规控方向：负责机器人感知、规划相关算法及本体结构的研发与优化工作。\n1、多模数据方向：掌握 PyTorch 等主流深度学习框架，熟悉 Transformer、BERT、CLIP、对比学习等模型或方法；具备图像、视频、文本等多模态数据的表征学习、检索、挖掘或理解相关经验者优先。\n2、具身智能基础模型方向：熟悉 Transformer、多模态大模型、VLA 或 WMA 的基本原理；具备模型预训练、微调、评测或推理优化经验者优先；有机器人学习、视频理解、世界模型或机器人策略学习相关项目经验者优先。\n3、AIGC 与合成数据方向：熟悉扩散模型、Transformer、生成式视觉或视频模型等相关技术；具备图像、视频或多模态生成模型的训练、微调、编辑或数据增强经验者优先；了解生成数据的质量评估、数据安全与版权风险者优先。\n4、仿真方向：熟悉计算机图形学、3D Gaussian Splatting、NeRF，熟悉 LiDAR、Camera、Radar、GNSS 的仿真原理。\n5、规控方向：熟悉相机标定、位姿估计、目标检测与跟踪等感知技术，以及全局规划、局部规划或基于学习的规划方法；了解机器人本体结构设计、运动机构、传动系统或执行机构相关知识；熟悉主流结构设计软件或有限元仿真分析方法者优先。",
    "standard_classification": {
        "std_category_code": "T013",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}