{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "移动操作算法工程师/研究员",
        "job_level": "",AI生成
        "work_category": "",AI生成
        "department": "",
        "location": "上海",
        "work_mode": "",AI生成
        "job_category": "算法"AI生成
    },
    "company": {
        "company_name": "某大型智能硬件公司",
        "company_industry": "智能硬件",
        "company_size": "1000-9999人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 45000,
            "max": 70000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 1,
        "degree": "硕士",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "职位描述\n移动操作（Mobile Manipulation）是具身智能的核心挑战——机器人需要在大场景中理解环境、规划⾏动、协调移动与操作。导航是为了操作服务（到达精准操作位），操作也是导航的⼀部分（开门才能进⼊、推开障碍才能继续）。我们正在寻找一位移动操作算法工程师/研究员，核⼼工作是任务驱动的场景理解与导航-操作联合决策——让机器人根据任务指令理解\"\"要去哪、做什么\"\"，并在大场景中规划与执行导航和操作的协调动作。\n职责如下：\n1. 研究任务驱动的场景理解与规划方法，让机器人根据自然语言指令理解环境、生成分步的导航+操作联合计划，并集成已有感知与语言模型实现指令到行动的闭环；\n2. 研究、训练移动操作的 RL policy（action space 覆盖底盘、躯干、上肢的协调控制），或设计 learning-based 与经典规划栈的混合方案，解决导航与操作的耦合问题；\n3. 集成已有感知模型（开放词汇检测、语义分割、深度估计等）构建面向导航与操作的语义地图，研究 3D scene graph 构建、3D visual grounding、可交互物体识别与空间关系推理；\n4. 负责 RL policy 的 sim2real 迁移（domain randomization、系统辨识、感知对齐等），以及具身模型（VLA 等）在真机上的集成部署；\n5. 设计导航与操作的接口与协同机制，解决导航到达精度对操作成功率的影响、操作位选择、base-arm 协调等问题；\n6. 在真机上端到端验证和迭代，与模型、仿真、硬件团队协作推动移动操作能力落地。\n职位要求\n1. 机器人、计算机、自动化或相关专业硕士及以上学历，博士优先；\n2. 在以下至少一个方向有深入理解和实际经验：3D scene understanding / embodied navigation / mobile manipulation / VLN；\n3. 熟悉 RL 训练流程（PPO、SAC 等），有 navigation 或 manipulation 的 RL policy 训练与真机部署经验；\n4. 理解移动操作的核心耦合问题——导航精度对操作的影响、base-arm 协调、操作位选择；\n5. 有 sim2real 工程落地经验，理解 domain randomization、系统辨识等迁移方法论；\n6. 熟悉主流仿真器（Isaac Sim、Mujoco、ManiSkill 等），能独立搭建仿真环境与训练管线；\n7. 具备扎实的 Python 工程能力，能使用 C++ 进行系统级开发；\n8. 兼具研究视野与工程落地能力——能跟前沿论文，更能让真机动起来。\n加分项\n1. 发表过 mobile manipulation、3D scene understanding、embodied navigation 相关顶会论文（RSS、CoRL、ICRA、IROS、CVPR、ECCV 等）；\n2. 有 3D scene graph、visual grounding、open-vocabulary detection 的研究或工程经验；\n3. 有 whole-body locomotion + manipulation 的完整项目经验；\n4. 有 VLN / instruction-following navigation 的研究或工程经验；\n5. 有底盘+机械臂真机联调经验；\n6. 有 VLA 或多模态模型在机器人上的集成部署经验。\n认证资质\n人力资源服务许可证",
        "skills": [AI生成
            "Python",
            "C++",
            "RL",
            "PPO",
            "SAC",
            "sim2real",
            "domain randomization",
            "Isaac Sim"
        ],
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/e7154c086371bc020nx739-1FFdU.html"
            }
        ]
    },
    "posting": {
        "posting_id": "e7154c086371bc020nx739-1FFdU",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/e7154c086371bc020nx739-1FFdU.html"
    },
    "fulltext": "职位描述\n移动操作（Mobile Manipulation）是具身智能的核心挑战——机器人需要在大场景中理解环境、规划⾏动、协调移动与操作。导航是为了操作服务（到达精准操作位），操作也是导航的⼀部分（开门才能进⼊、推开障碍才能继续）。我们正在寻找一位移动操作算法工程师/研究员，核⼼工作是任务驱动的场景理解与导航-操作联合决策——让机器人根据任务指令理解\"\"要去哪、做什么\"\"，并在大场景中规划与执行导航和操作的协调动作。\n职责如下：\n1. 研究任务驱动的场景理解与规划方法，让机器人根据自然语言指令理解环境、生成分步的导航+操作联合计划，并集成已有感知与语言模型实现指令到行动的闭环；\n2. 研究、训练移动操作的 RL policy（action space 覆盖底盘、躯干、上肢的协调控制），或设计 learning-based 与经典规划栈的混合方案，解决导航与操作的耦合问题；\n3. 集成已有感知模型（开放词汇检测、语义分割、深度估计等）构建面向导航与操作的语义地图，研究 3D scene graph 构建、3D visual grounding、可交互物体识别与空间关系推理；\n4. 负责 RL policy 的 sim2real 迁移（domain randomization、系统辨识、感知对齐等），以及具身模型（VLA 等）在真机上的集成部署；\n5. 设计导航与操作的接口与协同机制，解决导航到达精度对操作成功率的影响、操作位选择、base-arm 协调等问题；\n6. 在真机上端到端验证和迭代，与模型、仿真、硬件团队协作推动移动操作能力落地。\n职位要求\n1. 机器人、计算机、自动化或相关专业硕士及以上学历，博士优先；\n2. 在以下至少一个方向有深入理解和实际经验：3D scene understanding / embodied navigation / mobile manipulation / VLN；\n3. 熟悉 RL 训练流程（PPO、SAC 等），有 navigation 或 manipulation 的 RL policy 训练与真机部署经验；\n4. 理解移动操作的核心耦合问题——导航精度对操作的影响、base-arm 协调、操作位选择；\n5. 有 sim2real 工程落地经验，理解 domain randomization、系统辨识等迁移方法论；\n6. 熟悉主流仿真器（Isaac Sim、Mujoco、ManiSkill 等），能独立搭建仿真环境与训练管线；\n7. 具备扎实的 Python 工程能力，能使用 C++ 进行系统级开发；\n8. 兼具研究视野与工程落地能力——能跟前沿论文，更能让真机动起来。\n加分项\n1. 发表过 mobile manipulation、3D scene understanding、embodied navigation 相关顶会论文（RSS、CoRL、ICRA、IROS、CVPR、ECCV 等）；\n2. 有 3D scene graph、visual grounding、open-vocabulary detection 的研究或工程经验；\n3. 有 whole-body locomotion + manipulation 的完整项目经验；\n4. 有 VLN / instruction-following navigation 的研究或工程经验；\n5. 有底盘+机械臂真机联调经验；\n6. 有 VLA 或多模态模型在机器人上的集成部署经验。\n认证资质\n人力资源服务许可证"
}