JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "VLA算法工程师",
"job_level": "",AI生成
"work_category": "",AI生成
"department": "",
"location": "北京·海淀区·学院路",
"work_mode": "",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "手亿",
"company_industry": "人工智能",
"company_size": "20-99人",
"company_website": "",
"company_description": ""
},
"compensation": {
"salary_range": {
"min": 40000,
"max": 60000,
"currency": "CNY",
"cycle": "month"
},
"benefits": ""
},
"requirements": {
"working_years": 1,
"degree": "硕士",
"language": "",AI生成
"visa_support": "",
"responsibilities": "",
"requirements_text": "机器学习\n深度学习\n多模态算法\nPython\n岗位职责\n1. 负责面向灵巧手精细操作的VLA模型研发，包括训练、评测、优化和实机部署。\n2. 复现并适配主流开源VLA、模仿学习和机器人策略学习算法，建立训练与评测基线。\n3. 基于⼈类操作和机器⼈遥操作数据，研发⾃有灵巧操作模型，支持抓取、摆放、装配等任务。\n4. 研究人类⼿部操作数据到机器人灵巧手动作空间的映射和跨本体迁移。\n5. 建立数据、模型与实机任务评测闭环，推动失败数据回流和模型持续迭代。\n任职要求\n1. 计算机、人工智能、自动化或机器人相关专业硕士及以上学历。\n2. 熟练使用Python和PyTorch，具备深度学习模型训练及调试经验。\n3. 熟悉VLA、多模态学习、模仿学习、强化学习或机器人策略学习中的至少一个方向。\n4. 了解机械臂与灵巧手操作、动作空间、轨迹建模和策略评测方法。\n5. 具备较强的论文复现、实验设计和独立研发能力\n6. 有灵巧手实机、ROS、遥操作或多模态机器人数据经验者优先。\n7. 在机器人或人工智能相关顶级会议发表论文者优先，包括 RSS、CoRL、ICRA、IROS、NeurIPS、ICML、ICLR、CVPR、ICCV、ECCV。\n备注：该岗位可接收实习生或校招生。",
"skills": [AI生成
"机器学习",
"深度学习",
"多模态算法",
"Python",
"PyTorch",
"VLA",
"模仿学习",
"强化学习"
],
"preferred_qualifications": "",
"job_highlights": ""
},
"contact": {
"recruiter_name": "",
"contact_methods": [
{
"type": "apply_link",
"value": "https://www.zhipin.com/job_detail/f75c3d76400829270nJ939u9EVRT.html"
}
]
},
"posting": {
"posting_id": "f75c3d76400829270nJ939u9EVRT",
"post_date": "",
"hire_time": "",
"update_date": "",
"job_url": "https://www.zhipin.com/job_detail/f75c3d76400829270nJ939u9EVRT.html"
},
"fulltext": "机器学习\n深度学习\n多模态算法\nPython\n岗位职责\n1. 负责面向灵巧手精细操作的VLA模型研发，包括训练、评测、优化和实机部署。\n2. 复现并适配主流开源VLA、模仿学习和机器人策略学习算法，建立训练与评测基线。\n3. 基于⼈类操作和机器⼈遥操作数据，研发⾃有灵巧操作模型，支持抓取、摆放、装配等任务。\n4. 研究人类⼿部操作数据到机器人灵巧手动作空间的映射和跨本体迁移。\n5. 建立数据、模型与实机任务评测闭环，推动失败数据回流和模型持续迭代。\n任职要求\n1. 计算机、人工智能、自动化或机器人相关专业硕士及以上学历。\n2. 熟练使用Python和PyTorch，具备深度学习模型训练及调试经验。\n3. 熟悉VLA、多模态学习、模仿学习、强化学习或机器人策略学习中的至少一个方向。\n4. 了解机械臂与灵巧手操作、动作空间、轨迹建模和策略评测方法。\n5. 具备较强的论文复现、实验设计和独立研发能力\n6. 有灵巧手实机、ROS、遥操作或多模态机器人数据经验者优先。\n7. 在机器人或人工智能相关顶级会议发表论文者优先，包括 RSS、CoRL、ICRA、IROS、NeurIPS、ICML、ICLR、CVPR、ICCV、ECCV。\n备注：该岗位可接收实习生或校招生。"
}