JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "机器学习算法实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "深圳·南山区·科技园",
"work_mode": "现场办公",AI生成
"job_category": "AI模型算法工程师"AI生成
},
"company": {
"company_name": "光之跃迁",
"company_industry": "智能硬件/消费电子",
"company_size": "20-99人",
"company_website": "未披露",
"company_description": "光之跃迁(Lumisition Robotics) 是一家由香港中文大学博士团队创立的机器人公司,致力于构建以 Physics AI 为核心的通用腿足机器人技术平台,通过研发机器人界的 FSD 级全身控制与自主移动技术,打造具备室内外全域移动、复杂场景感知与精准操作能力的智能体。产品聚焦于户外级四足机器狗,采用仿生四足运动架构与自研自适应步态算法,突破轮式、履带设备地形局限,可平稳穿行斜坡、碎石、山林、郊野、积水路面等复杂户外环境,支持越障、爬梯、低趴穿行,地形适配性拉满。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "元",
"cycle": "天"
},
"benefits": "团建聚餐 | 餐补 | 保底工资 | 节日福利 | 绩效奖金 | 股票期权 | 年终奖 | 工龄奖 | 生日福利 | 带薪年假 | 有无线网 | 补充医疗保险 | 零食下午茶 | 五险一金 | 交通补助 | 员工旅游"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "中文",AI生成
"visa_support": "未披露",
"responsibilities": "1.研发适用于双足、四足仿生机器人决策规划的深度强化学习算法;\n2. 研发适用于双足、四足机器人的全身控制算法;",
"requirements_text": "1. 熟悉并了解运动控制领域前沿进展 (learning-based 方向)\n2. 了解多自由度机器人动力学建模以及机器人经典动力学简化模型。\n3. 了解腿式机器人的几种经典建模方法。\n4. 了解常见的深度强化学习算法 (PPO、SAC、DQN、DDPG、A3C等)或MPC/WBC等运动控制算法\n5. 具备真机调试经验,了解基本的机器人系统组成\n6. 熟悉C++编程语言,以及主流的深度学习框架 (Pytorch, Jax 等)",
"skills": [AI生成
"多模态AI应用",
"模型训练与算法优化",
"编程与代码实现",
"调试排障与技术支持"
],
"preferred_qualifications": "未披露",
"job_highlights": "本科"
},
"contact": {
"recruiter_name": "李女士",
"contact_methods": [
{
"type": "apply_link",
"value": "https://www.zhipin.com/job_detail/ca218623ae1c7d290nJ42NS_EVVT.html"
}
]
},
"posting": {
"posting_id": "ca218623ae1c7d290nJ42NS_EVVT",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260915",
"job_url": "https://www.zhipin.com/job_detail/ca218623ae1c7d290nJ42NS_EVVT.html"
},
"fulltext": "规控算法\n图像算法\n运动控制\n深度学习\n算法工程化经验\n大模型算法\n多模态算法\nRSL-PPO\n域随机化Domain\n发表算法相关优秀论文\nC/C++\n强化学习\n参加算法相关竞赛/获奖\n具身智能\n残差策略Residual\nPython\n机器人运动控制/具身智能/强化学习\n岗位职责\n1.研发适用于双足、四⾜仿⽣机器⼈决策规划的深度强化学习算法;\n2. 研发适用于双足、四⾜机器人的全身控制算法;\n任职要求\n1. 熟悉并了解运动控制领域前沿进展 (learning-based 方向)\n2. 了解多自由度机器人动力学建模以及机器人经典动力学简化模型。\n3. 了解腿式机器人的几种经典建模方法。\n4. 了解常见的深度强化学习算法 (PPO、SAC、DQN、DDPG、A3C等)或MPC/WBC等运动控制算法\n5. 具备真机调试经验,了解基本的机器人系统组成\n6. 熟悉C++编程语言,以及主流的深度学习框架 (Pytorch, Jax 等)"
}