{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "VLA 微调与机器人学习算法工程师（杭州）",
        "job_level": "初级",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "杭州·拱墅区·拱宸桥",
        "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": "杭州昆仑之数科技",
        "company_industry": "人工智能",
        "company_size": "20-99人",
        "company_website": "未披露",
        "company_description": "公司做机器人本体、具身本体相关的数据软件和数据资产、以及让机器人做业务的AI软件。杭州公司是总部，未来聚焦偏硬部分研发、整机装配、销售、算法、智脑，成都公司聚焦偏软部分研发、销售、数据中心、运维公司立足全球视野，大多成员曾任职于被誉为业内“黄埔军校”的企业人工智能外企Teradata:以及具备国内A股上市数据科技公司研究院工作经验。团队在数据资产与AI算法领域深耕多年兼具扎实的理论基础与丰富的实战经验，为技术创新与产品落地提供坚实支撑。"
    },
    "compensation": {
        "salary_range": {
            "min": 15000,
            "max": 30000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "五险一金"
    },
    "requirements": {
        "working_years": 1,
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.负责 VLA、模仿学习及动作生成模型的选型、复现、微调和评测,包括但不限于 π0/π0.5、GR00T、ACT、Diffusion Policy、Flow Matching 等技术路线。\n2.面向双臂抓取、交接、装配、柔性物体操作及长程任务,设计模型输入输出、动作空间、动作分块和任务条件表达方式。\n3.建设机器人数据处理链路,完成多相机图像、关节状态、末端位姿、夹爪状态、语言指令及时间戳的同步、清洗、转换和质量检查。\n4.分析不同采集人员、机器人状态和场景条件带来的数据分布差异,制定数据筛选、重采样、归一化及增强策略。\n5.建立训练实验体系,开展学习率、批量大小、动作窗口、观测窗口、冻结策略等关键实验,分析模型收敛情况和失败原因。\n6.负责模型推理服务及机器人端接入,优化推理延迟、动作连续性、Chunk 执行、动作聚合和闭环重规划。\n7.建立真机任务评测体系,统计任务成功率、分阶段成功率、执行时间、干预次数、恢复能力和异常类型。\n8.与机器人控制、仿真及数据团队协作,将模型输出稳定、安全地映射到真实机器人。\n9.跟踪具身智能和 VLA 领域的新模型、新数据集与新训练方法,完成技术验证并判断其工程价值。",
        "requirements_text": "1.计算机、人工智能、自动化、机器人或相关专业,本科及以上学历。\n2.熟练使用 Python 和 PyTorch,能够独立完成模型训练、调试、评测和问题定位。\n3.熟悉 Transformer、视觉编码器、Diffusion、Flow Matching 或自回归动作模型中的至少一种。\n4.具有机器人模仿学习、VLA、视觉运动控制或多模态模型相关项目经验。\n5.理解机器人状态、动作、轨迹、坐标系以及关节空间和笛卡尔空间的基本概念。\n6.能够从数据质量、训练配置、模型结构和执行链路多个层面分析模型失败原因。\n7.具备良好的工程能力,能够阅读和修改开源项目,而不仅限于运行现成训练脚本。\n8.能够使用 Linux、Git、Docker,并具备基本的多 GPU 训练与实验管理经验。\n加分项\n1.有 π0、OpenVLA、GR00T、LeRobot、ACT、Diffusion Policy 等项目的实际使用或二次开发经验。\n2.有真实机械臂训练、部署或真机闭环调试经验。\n3.熟悉 ROS 2、Isaac Sim、Isaac Lab 或机器人控制接口。\n4.有双臂、柔性物体、装配或长程任务经验。\n5.有大规模机器人数据治理、多本体数据训练或跨本体迁移经验。\n6.熟悉 LoRA、分布式训练、混合精度、梯度检查点和训练性能优化。\n7.有论文复现、开源贡献或相关竞赛成果。",
        "skills": [AI生成
            "Linux/DevOps/CI-CD",
            "分布式/微服务系统设计",
            "多模态AI应用",
            "大模型原理与能力边界",
            "客户定制与二次开发",
            "数据工程与数据管道",
            "数据资产治理",
            "模型/Agent评测体系",
            "模型微调与对齐",
            "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",
            "跨部门/跨团队协作",
            "部署上线与环境配置",
            "项目推动与执行闭环"
        ],
        "preferred_qualifications": "加分项",
        "job_highlights": "1-3年 | 本科"
    },
    "contact": {
        "recruiter_name": "吴晓娜",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/d7b8405d0efd8b6d0nN53d69FVJS.html"
            }
        ]
    },
    "posting": {
        "posting_id": "d7b8405d0efd8b6d0nN53d69FVJS",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/d7b8405d0efd8b6d0nN53d69FVJS.html"
    },
    "fulltext": "机器学习\n算法工程化经验\nPython\n岗位定位\n负责双臂机器人操作任务的 VLA 模型训练、微调、评测与真机落地。基于机器人示教数据、无本体视频数据和真机平台，建⽴从数据处理、模型训练到真机评测及失败数据回流的完整闭环。\n岗位职责\n1.负责 VLA、模仿学习及动作⽣成模型的选型、复现、微调和评测，包括但不限于 π0/π0.5、GR00T、ACT、Diffusion Policy、Flow Matching 等技术路线。\n2.⾯向双臂抓取、交接、装配、柔性物体操作及长程任务，设计模型输入输出、动作空间、动作分块和任务条件表达方式。\n3.建设机器⼈数据处理链路，完成多相机图像、关节状态、末端位姿、夹爪状态、语言指令及时间戳的同步、清洗、转换和质量检查。\n4.分析不同采集人员、机器人状态和场景条件带来的数据分布差异，制定数据筛选、重采样、归一化及增强策略。\n5.建立训练实验体系，开展学习率、批量大小、动作窗口、观测窗口、冻结策略等关键实验，分析模型收敛情况和失败原因。\n6.负责模型推理服务及机器人端接入，优化推理延迟、动作连续性、Chunk 执行、动作聚合和闭环重规划。\n7.建立真机任务评测体系，统计任务成功率、分阶段成功率、执行时间、干预次数、恢复能力和异常类型。\n8.与机器人控制、仿真及数据团队协作，将模型输出稳定、安全地映射到真实机器人。\n9.跟踪具身智能和 VLA 领域的新模型、新数据集与新训练方法，完成技术验证并判断其工程价值。\n任职要求\n1.计算机、人工智能、自动化、机器人或相关专业，本科及以上学历。\n2.熟练使用 Python 和 PyTorch，能够独立完成模型训练、调试、评测和问题定位。\n3.熟悉 Transformer、视觉编码器、Diffusion、Flow Matching 或自回归动作模型中的至少一种。\n4.具有机器人模仿学习、VLA、视觉运动控制或多模态模型相关项目经验。\n5.理解机器人状态、动作、轨迹、坐标系以及关节空间和笛卡尔空间的基本概念。\n6.能够从数据质量、训练配置、模型结构和执行链路多个层面分析模型失败原因。\n7.具备良好的工程能力，能够阅读和修改开源项目，而不仅限于运行现成训练脚本。\n8.能够使用 Linux、Git、Docker，并具备基本的多 GPU 训练与实验管理经验。\n加分项\n1.有 π0、OpenVLA、GR00T、LeRobot、ACT、Diffusion Policy 等项目的实际使用或二次开发经验。\n2.有真实机械臂训练、部署或真机闭环调试经验。\n3.熟悉 ROS 2、Isaac Sim、Isaac Lab 或机器人控制接口。\n4.有双臂、柔性物体、装配或长程任务经验。\n5.有大规模机器人数据治理、多本体数据训练或跨本体迁移经验。\n6.熟悉 LoRA、分布式训练、混合精度、梯度检查点和训练性能优化。\n7.有论文复现、开源贡献或相关竞赛成果。"
}