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VLA算法研究员 - XiaomiRobotics",
"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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 研究并构建融合世界建模和动作生成的 VLA 模型\n2. 结合机器人数据、视频数据、视觉语言数据等，构建可扩展的数据引擎和训练pipeline\n3. 开展大规模的 VLA 训练，建立真实可靠的评测系统，持续迭代模型能力提升",
"requirements_text": "1、硕士及以上学历，计算机、人工智能、机器人、自动化、数学等相关专业，具备扎实的机器学习、深度学习和概率建模基础。 \n2、熟悉具身智能、多模态大模型、视频生成或动作生成等方向，理解主流方法原理与适用场景，如Transformer、Diffusion、VAE、VQ、MoE等。 \n3、具备较强的算法研发能力，熟练使用PyTorch等深度学习框架，有从模型设计、训练调优到实验分析的完整研发经验。 \n4、熟悉多模态数据建模，理解图像、视频、语言、动作轨迹等数据在训练与评测中的关键问题，有跨模态建模或生成任务经验者优先。 \n5、在机器人、具身智能、多模态、生成式AI等方向顶会/顶刊（如RSS、CoRL、ICRA、CVPR、ICCV、NeurIPS、ICLR等）发表论文，或有代表性开源项目/研究成果者优先。 \n6、具备优秀的问题分析与科研协作能力，对具身智能方向有强烈兴趣，能够快速学习并验证。 ",
"skills": [AI生成
"PyTorch",
"机器学习",
"深度学习",
"建模",
"大语言模型"
],
"preferred_qualifications": "4、熟悉多模态数据建模，理解图像、视频、语言、动作轨迹等数据在训练与评测中的关键问题，有跨模态建模或生成任务经验者优先；5、在机器人、具身智能、多模态、生成式AI等方向顶会/顶刊（如RSS、CoRL、ICRA、CVPR、ICCV、NeurIPS、ICLR等）发表论文，或有代表性开源项目/研究成果者优先",
"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/7623976623868545290/detail"
}
]
},
"posting": {
"posting_id": "7623976623868545290",
"post_date": "2026-04-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7623976623868545290/detail"
},
"fulltext": "机器人VLA算法研究员 - XiaomiRobotics\n职位描述\n1. 研究并构建融合世界建模和动作生成的 VLA 模型\n2. 结合机器人数据、视频数据、视觉语言数据等，构建可扩展的数据引擎和训练pipeline\n3. 开展大规模的 VLA 训练，建立真实可靠的评测系统，持续迭代模型能力提升\n\n职位要求\n1、硕士及以上学历，计算机、人工智能、机器人、自动化、数学等相关专业，具备扎实的机器学习、深度学习和概率建模基础。 \n2、熟悉具身智能、多模态大模型、视频生成或动作生成等方向，理解主流方法原理与适用场景，如Transformer、Diffusion、VAE、VQ、MoE等。 \n3、具备较强的算法研发能力，熟练使用PyTorch等深度学习框架，有从模型设计、训练调优到实验分析的完整研发经验。 \n4、熟悉多模态数据建模，理解图像、视频、语言、动作轨迹等数据在训练与评测中的关键问题，有跨模态建模或生成任务经验者优先。 \n5、在机器人、具身智能、多模态、生成式AI等方向顶会/顶刊（如RSS、CoRL、ICRA、CVPR、ICCV、NeurIPS、ICLR等）发表论文，或有代表性开源项目/研究成果者优先。 \n6、具备优秀的问题分析与科研协作能力，对具身智能方向有强烈兴趣，能够快速学习并验证。 \n1. 研究并构建融合世界建模和动作生成的 VLA 模型\n2. 结合机器人数据、视频数据、视觉语言数据等，构建可扩展的数据引擎和训练pipeline\n3. 开展大规模的 VLA 训练，建立真实可靠的评测系统，持续迭代模型能力提升\n1、硕士及以上学历，计算机、人工智能、机器人、自动化、数学等相关专业，具备扎实的机器学习、深度学习和概率建模基础。 \n2、熟悉具身智能、多模态大模型、视频生成或动作生成等方向，理解主流方法原理与适用场景，如Transformer、Diffusion、VAE、VQ、MoE等。 \n3、具备较强的算法研发能力，熟练使用PyTorch等深度学习框架，有从模型设计、训练调优到实验分析的完整研发经验。 \n4、熟悉多模态数据建模，理解图像、视频、语言、动作轨迹等数据在训练与评测中的关键问题，有跨模态建模或生成任务经验者优先。 \n5、在机器人、具身智能、多模态、生成式AI等方向顶会/顶刊（如RSS、CoRL、ICRA、CVPR、ICCV、NeurIPS、ICLR等）发表论文，或有代表性开源项目/研究成果者优先。 \n6、具备优秀的问题分析与科研协作能力，对具身智能方向有强烈兴趣，能够快速学习并验证。 ",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}