在招职位如下:
客户经理(英语专业应届生)
工作城市:苏州
薪资:6k-6k
学历要求:本科,硕士,博士
岗位性质:全职
岗位描述:
薪资:6k-6k
学历要求:本科,硕士,博士
岗位性质:全职
岗位描述:
岗位职责1.客户的开发与维护2. 协调订单跟踪、合同谈判及款项回收流程,确保交易顺利完成3. 根据公司战略制定销售计划,完成月度/季度业绩指标4. 收集整理客户数据、市场动态及竞品信息,提交分析报告5. 参与销售预算制定,优化资源配置以控制成本。6. 与市场、运营团队配合制定营销方案,协助产品优化迭代任职要求1.英语专业,英文听说读写流利2.性格活泼开朗善于与人打交道3.愿意在销售领域长期发展
北京具身智能算法工程师
工作城市:北京
薪资:25k-45k
学历要求:硕士,博士
岗位性质:全职
岗位描述:
薪资:25k-45k
学历要求:硕士,博士
岗位性质:全职
岗位描述:
岗位职责
1、负责机器人具身操作任务的强化学习算法开发,包括架构设计、数据处理、训练优化及真机部署;
2、研究多模态学习方法,结合视觉、触觉、力反馈提升机器人决策能力;
3、负责视觉感知(物体检测、语义分割、3D场景重建等)、机器人运动策略学习(模仿学习),机器人专家示范动作的采集和处理;
4、优化从模拟到现实(Sim2Real)的迁移技术,如fine-tuning、prompt设计等,提升算法精度、鲁棒性、多场景多任务的泛化能力;
5、跟踪前沿技术,进行强化学习算法的调研、性能对比和评估;
6、根据需求完成算法开发与代码维护,协助测试团队优化算法性能。
任职要求
1、硕士及以上学历,人工智能、计算机、机器人学等相关专业,最好有相关科研或实习经验;
2、掌握强化学习理论,熟悉 PPO、DQN、SAC 等主流算法;
3、熟悉深度学习、计算机视觉、自然语言处理等领域的专业知识
4、精通 Python,熟悉 PyTorch 或 TensorFlow 等深度学习框架;
5、熟悉 Mujoco、Isaac Gym、PyBullet 等机器人仿真工具;
6、熟悉LLM/VLM/VLA,了解OpenVLA、ACT、RDT-1B、PI0等多模态模型经验者优先;
7、在顶会发表论文或具备机器人项目经验者优先;
8、工作积极主动,具备良好的团队合作与问题解决能力。
1、负责机器人具身操作任务的强化学习算法开发,包括架构设计、数据处理、训练优化及真机部署;
2、研究多模态学习方法,结合视觉、触觉、力反馈提升机器人决策能力;
3、负责视觉感知(物体检测、语义分割、3D场景重建等)、机器人运动策略学习(模仿学习),机器人专家示范动作的采集和处理;
4、优化从模拟到现实(Sim2Real)的迁移技术,如fine-tuning、prompt设计等,提升算法精度、鲁棒性、多场景多任务的泛化能力;
5、跟踪前沿技术,进行强化学习算法的调研、性能对比和评估;
6、根据需求完成算法开发与代码维护,协助测试团队优化算法性能。
任职要求
1、硕士及以上学历,人工智能、计算机、机器人学等相关专业,最好有相关科研或实习经验;
2、掌握强化学习理论,熟悉 PPO、DQN、SAC 等主流算法;
3、熟悉深度学习、计算机视觉、自然语言处理等领域的专业知识
4、精通 Python,熟悉 PyTorch 或 TensorFlow 等深度学习框架;
5、熟悉 Mujoco、Isaac Gym、PyBullet 等机器人仿真工具;
6、熟悉LLM/VLM/VLA,了解OpenVLA、ACT、RDT-1B、PI0等多模态模型经验者优先;
7、在顶会发表论文或具备机器人项目经验者优先;
8、工作积极主动,具备良好的团队合作与问题解决能力。
北京机器学习算法工程师
工作城市:北京
薪资:25k-45k
学历要求:硕士,博士
岗位性质:全职
岗位描述:
薪资:25k-45k
学历要求:硕士,博士
岗位性质:全职
岗位描述:
岗位职责
1、 为行走和操作任务开发、训练和部署强化学习算法。
2、 搭建大规模支持通用人形机器人训练行走和操作策略的仿真基础设施。
3、 与控制团队合作,将训练得到的策略集成到现有的控制系统中。
4、 定义、测试和评估学习策略的性能指标。
5、 训练多任务深度神经网络。
6、 设计并交付高质量、可靠的软件,并部署到实际应用中。
7、 与其他团队成员合作,开发并持续改进完整的自主控制系统。
8、 实现机器人行为架构,提供各种行为编排工具,如状态机和行为树。
评估潜在的行为协调解决方案,并根据机器人需求做出设计权衡和决策。
9、 基于该架构,为人形机器人设计、实现、测试和部署行为协调算法,适配多种任务场景,并不断迭代提升算法的可靠性和鲁棒性。
10、 采用现代软件工程技术,编写高质量、经过充分测试的软件。
任职要求
1、 硕士及以上学历,计算机相关专业优先。
2、 在生产级软件和机器学习工程及实践方面拥有丰富经验。
3、 对深度学习有“白盒”理解:包括模型细节、损失函数设计和训练算法。
4、 在概率论、优化和线性代数方面具备扎实的数学基础。
5、 具有以下领域专业知识优先:3D重建、深度估计、神经渲染、目标检测、跟踪与状态估计、实例分割与语义分割。
6、 拥有使用主流深度学习框架(如 PyTorch)的丰富经验。
7、 在节奏快、解决方案尚不清晰且需要探索的环境中表现出色。
8、 熟悉在线和离线强化学习算法,如 PPO、SAC 等,有调优强化学习算法的超参数和代价函数的经验优先。
9、 熟悉常见的强化学习技术,如域随机化、课程学习、奖励设计等。
10、 熟悉常用的机器学习评估工具,如 TensorBoard、Weights & Biases 等。
11、 具备在真实机器人上使用 C++ 和/或 Python 实现、测试和部署行为协调解决方案的经验。
12、 在理论上对行为协调算法有深刻理解,同时拥有实际应用经验者优先。
1、 为行走和操作任务开发、训练和部署强化学习算法。
2、 搭建大规模支持通用人形机器人训练行走和操作策略的仿真基础设施。
3、 与控制团队合作,将训练得到的策略集成到现有的控制系统中。
4、 定义、测试和评估学习策略的性能指标。
5、 训练多任务深度神经网络。
6、 设计并交付高质量、可靠的软件,并部署到实际应用中。
7、 与其他团队成员合作,开发并持续改进完整的自主控制系统。
8、 实现机器人行为架构,提供各种行为编排工具,如状态机和行为树。
评估潜在的行为协调解决方案,并根据机器人需求做出设计权衡和决策。
9、 基于该架构,为人形机器人设计、实现、测试和部署行为协调算法,适配多种任务场景,并不断迭代提升算法的可靠性和鲁棒性。
10、 采用现代软件工程技术,编写高质量、经过充分测试的软件。
任职要求
1、 硕士及以上学历,计算机相关专业优先。
2、 在生产级软件和机器学习工程及实践方面拥有丰富经验。
3、 对深度学习有“白盒”理解:包括模型细节、损失函数设计和训练算法。
4、 在概率论、优化和线性代数方面具备扎实的数学基础。
5、 具有以下领域专业知识优先:3D重建、深度估计、神经渲染、目标检测、跟踪与状态估计、实例分割与语义分割。
6、 拥有使用主流深度学习框架(如 PyTorch)的丰富经验。
7、 在节奏快、解决方案尚不清晰且需要探索的环境中表现出色。
8、 熟悉在线和离线强化学习算法,如 PPO、SAC 等,有调优强化学习算法的超参数和代价函数的经验优先。
9、 熟悉常见的强化学习技术,如域随机化、课程学习、奖励设计等。
10、 熟悉常用的机器学习评估工具,如 TensorBoard、Weights & Biases 等。
11、 具备在真实机器人上使用 C++ 和/或 Python 实现、测试和部署行为协调解决方案的经验。
12、 在理论上对行为协调算法有深刻理解,同时拥有实际应用经验者优先。

