多模态算法工程师（北京）

【职位职责】 1. 负责具身智能多模态算法核心研发与迭代，聚焦机器人、智能设备场景下视觉、文本、激光雷达、IMU、语音等多传感器信息融合，主导具身感知、场景理解、智能交互、行为决策等核心模块的设计与开发； 2. 负责具身多模态大模型的微调、对齐与适配优化，基于VLM、多模态基座模型实现机器人环境感知、指令理解、视觉定位、语义导航、操作预判等能力，解决真实物理场景下感知不准、指令理解偏差、环境泛化性弱等核心问题； 3. 落地具身智能核心业务场景，包括但不限于家用/工业机器人交互、自主导航、智能操控、环境语义重构、人机协同作业、端侧具身智能推理等，完成算法从原型设计、仿真验证、真机调试到业务落地的全流程迭代； 4. 搭建适配具身场景的多模态数据集，针对真实物理环境、复杂作业场景进行数据采集、清洗、标注、增强和合成，构建机器人专属的视觉-文本-行为多模态训练数据系，支撑模型迭代优化； 5. 针对机器人端、嵌入式端设备进行算法工程优化，完成模型轻量化、量化、蒸馏、推理加速，适配端侧低算力、低延迟、高稳定性要求，解决真机部署中的算力受限、环境干扰、实时性不足等问题，保障设备常态化稳定运行； 6. 跟进具身智能、世界模型、机器人多模态感知、具身Agent、视觉语言导航（VLN）等前沿技术，开展技术调研、算法复现、方案落地验证，沉淀标准化技术方案、专利及技术文档，推动团队技术迭代升级。 【任职要求】 1. 硕士、博士应届毕业生； 2. 计算机科学、人工智能、机器人工程、模式识别、自动化、电子信息、数学等相关专业； 3. 技能要求： （1）基础能力：具备扎实的机器学习、深度学习、计算机视觉、概率论、线性代数数理基础，熟悉机器人感知、定位、导航、控制基础原理，理解具身智能“感知-决策-执行”闭环逻辑； （2）技术栈要求： •熟练使用Python，精通PyTorch/TensorFlow主流深度学习框架，具备独立完成具身多模态模型训练、微调、评估、迭代的完整能力； •精通Transformer架构，熟悉主流具身多模态模型及方案，包括LLaVA、Qwen-VL、Robo-VLM、视觉语言导航模型、具身世界模型等，掌握视觉-文本-动作跨模态对齐、多传感器融合核心技术； •扎实掌握计算机视觉核心技术，包括图像检测、分割、特征匹配、深度估计、视觉定位，熟悉NLP指令理解、Prompt工程、LoRA/QLoRA高效微调方案； •熟悉ROS/ROS2机器人开发框架，了解嵌入式端、端侧推理优化，掌握TensorRT、ONNX等部署工具，具备模型轻量化、推理加速实战经验优先。 （3）项目经验：具备具身智能、机器人感知、多模态交互、视觉导航、智能操控相关项目落地经验，有端侧具身算法研发、真机调试、场景落地经验者优先。 11. 具备极强的物理场景问题拆解能力，可独立解决真机部署、复杂环境适配中的技术难点；拥有良好的自驱力、团队协作能力，逻辑清晰，善于技术复盘与方案沉淀。 12. 英语通过CET-6。 【学历要求】 硕士及以上 【硬性专业要求】 计算机科学、人工智能、机器人工程、模式识别、自动化、电子信息、数学等相关专业