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": "机器人具身智能算法工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、人工智能或相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、针对复合机器人平台（多模态、多自由度、动态环境适应等特性），主导通用具身算法设计，包括人机交互（意图理解、自然协作）与多技能运动和操作（物体抓取、精细操作、长程任务规划）等核心技术，提升机器人对未知环境的适应性与任务完成效率。\n2、研发机器人的通用算法和系统架构，包括\n- 数据层：设计多模态数据（视觉/触觉/语言等）的高效获取、清洗、标注与增强方案；\n- 算法层：研发运动控制策略（轨迹跟踪、全身协调控制、柔顺控制）、多任务决策、VLA模型（任务分解、意图推理）等核心算法；\n- 工程层：优化模型轻量化（蒸馏、压缩、量化）与部署适配（边缘端/云端），确保算法在真实机器人硬件上的实时性与鲁棒性；\n3、与机械设计、传感器、仿真等团队深度协作，推动算法在真实场景中的验证与迭代，支撑下一代具身智能系统的落地应用。",
"requirements_text": "职位要求\n1、计算机、人工智能或相关专业硕士及以上学历，具有深度学习、计算机视觉、多模态大模型等相关领域的科研或工程落地经验，熟悉机器人运动学、动力学基础。\n2、编程能力突出：熟练掌握Python/C++，精通PyTorch等框架，具备高效的算法实现与调试能力；\n3、具身智能核心技术储备：熟悉具身智能、多模态学习、强化学习（如PPO、SAC）、模仿学习等前沿方向，掌握运动控制（如DDP、MPC）、多模态融合（如VLM、视觉-语言-动作对齐）等算法原理与实践；\n4、有机器人（仿真或实体）算法调优经验优先，熟悉硬件适配（如ROS生态、嵌入式部署），解决复杂环境下的算法鲁棒性问题。\n5、在机器人/具身智能/多模态等方向顶会（如ICRA、IROS、RSS、NeurIPS、CVPR）发表过论文；或在算法竞赛（ACM-ICPC、Topcoder）中取得优异成绩者优先",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"深度学习",
"强化学习",
"计算机视觉",
"嵌入式",
"大语言模型"
],
"preferred_qualifications": "4、有机器人（仿真或实体）算法调优经验优先，熟悉硬件适配（如ROS生态、嵌入式部署），解决复杂环境下的算法鲁棒性问题；或在算法竞赛（ACM-ICPC、Topcoder）中取得优异成绩者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7535806546284101741/detail"
}
]
},
"posting": {
"posting_id": "7535806546284101741",
"post_date": "2025-08-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7535806546284101741/detail"
},
"fulltext": "机器人具身智能算法工程师\n职位描述\n1、针对复合机器人平台（多模态、多自由度、动态环境适应等特性），主导通用具身算法设计，包括人机交互（意图理解、自然协作）与多技能运动和操作（物体抓取、精细操作、长程任务规划）等核心技术，提升机器人对未知环境的适应性与任务完成效率。\n2、研发机器人的通用算法和系统架构，包括\n- 数据层：设计多模态数据（视觉/触觉/语言等）的高效获取、清洗、标注与增强方案；\n- 算法层：研发运动控制策略（轨迹跟踪、全身协调控制、柔顺控制）、多任务决策、VLA模型（任务分解、意图推理）等核心算法；\n- 工程层：优化模型轻量化（蒸馏、压缩、量化）与部署适配（边缘端/云端），确保算法在真实机器人硬件上的实时性与鲁棒性；\n3、与机械设计、传感器、仿真等团队深度协作，推动算法在真实场景中的验证与迭代，支撑下一代具身智能系统的落地应用。\n\n职位要求\n职位要求\n1、计算机、人工智能或相关专业硕士及以上学历，具有深度学习、计算机视觉、多模态大模型等相关领域的科研或工程落地经验，熟悉机器人运动学、动力学基础。\n2、编程能力突出：熟练掌握Python/C++，精通PyTorch等框架，具备高效的算法实现与调试能力；\n3、具身智能核心技术储备：熟悉具身智能、多模态学习、强化学习（如PPO、SAC）、模仿学习等前沿方向，掌握运动控制（如DDP、MPC）、多模态融合（如VLM、视觉-语言-动作对齐）等算法原理与实践；\n4、有机器人（仿真或实体）算法调优经验优先，熟悉硬件适配（如ROS生态、嵌入式部署），解决复杂环境下的算法鲁棒性问题。\n5、在机器人/具身智能/多模态等方向顶会（如ICRA、IROS、RSS、NeurIPS、CVPR）发表过论文；或在算法竞赛（ACM-ICPC、Topcoder）中取得优异成绩者优先\n1、针对复合机器人平台（多模态、多自由度、动态环境适应等特性），主导通用具身算法设计，包括人机交互（意图理解、自然协作）与多技能运动和操作（物体抓取、精细操作、长程任务规划）等核心技术，提升机器人对未知环境的适应性与任务完成效率。\n2、研发机器人的通用算法和系统架构，包括\n- 数据层：设计多模态数据（视觉/触觉/语言等）的高效获取、清洗、标注与增强方案；\n- 算法层：研发运动控制策略（轨迹跟踪、全身协调控制、柔顺控制）、多任务决策、VLA模型（任务分解、意图推理）等核心算法；\n- 工程层：优化模型轻量化（蒸馏、压缩、量化）与部署适配（边缘端/云端），确保算法在真实机器人硬件上的实时性与鲁棒性；\n3、与机械设计、传感器、仿真等团队深度协作，推动算法在真实场景中的验证与迭代，支撑下一代具身智能系统的落地应用。\n职位要求\n1、计算机、人工智能或相关专业硕士及以上学历，具有深度学习、计算机视觉、多模态大模型等相关领域的科研或工程落地经验，熟悉机器人运动学、动力学基础。\n2、编程能力突出：熟练掌握Python/C++，精通PyTorch等框架，具备高效的算法实现与调试能力；\n3、具身智能核心技术储备：熟悉具身智能、多模态学习、强化学习（如PPO、SAC）、模仿学习等前沿方向，掌握运动控制（如DDP、MPC）、多模态融合（如VLM、视觉-语言-动作对齐）等算法原理与实践；\n4、有机器人（仿真或实体）算法调优经验优先，熟悉硬件适配（如ROS生态、嵌入式部署），解决复杂环境下的算法鲁棒性问题。\n5、在机器人/具身智能/多模态等方向顶会（如ICRA、IROS、RSS、NeurIPS、CVPR）发表过论文；或在算法竞赛（ACM-ICPC、Topcoder）中取得优异成绩者优先",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}