职位概述 我们正在招聘具备强化学习算法理解、分布式训练系统设计能力与工程落地经验的具身智能后训练 Infra 工程师/专家，加入我们面向真机智能体训练与迭代的核心研发团队。
本岗位聚焦于构建支撑真机强化学习、模仿学习、在线学习等后训练范式的规模化训练基础设施，打通云端多机多卡训练与边缘多机多本体rollout的完整闭环。你将深入参与后训练框架设计、分布式异步训练架构搭建、云边通信体系优化以及前沿算法的快速复现与工程化落地。
我们提供真实机器人平台、规模化训练环境与前沿算法探索场景，期待你与我们一起将具身智能后训练能力建设为高效、稳定、可扩展的系统平台。
岗位职责 后训练框架设计与迭代：负责具身智能后训练框架的设计、实现与持续优化，构建支撑真机强化学习、模仿学习、在线学习等任务的统一训练基础设施，提升算法接入、实验验证与规模化训练效率。 分布式异步训练架构建设：设计并实现云端多机多卡训练与边缘多机多本体rollout协同的分布式异步训练系统，支持从单机实验到大规模真机/仿真本体集群的并行扩展，保障训练吞吐、资源利用率与系统稳定性。 算法特性驱动的数据流设计：深入理解 PPO、SAC、DAgger、RLHF等后训练算法的训练特性与数据需求，围绕on-policy/off-policy/online RL等不同范式设计高效的数据采集、缓存、采样、回放与更新流程。 统一算法接入与实验平台建设：构建可扩展的后训练算法框架，抽象策略更新、rollout、数据管理、评估与日志监控等核心模块，实现新算法的低成本接入、快速验证与可复现实验管理。 端云通信与系统稳定性优化：负责端云协同通信体系设计，包括权重同步、数据回传、任务调度、时延隐藏、断点恢复与异常容错等机制，持续优化大规模分布式训练场景下的效率、可靠性与可观测性。 前沿算法复现与工程化落地：跟进具身智能后训练领域前沿进展，如π0.6、RLT、flow matching RL等方向，能够快速阅读论文、复现核心算法，并将算法需求转化为可落地、可扩展的系统设计。
职位要求 教育背景：硕士及以上学历，计算机、人工智能、机器人、自动化等相关专业。 编程与工程基础：具备扎实的Python/C++编程能力，熟悉Linux开发环境、工程化代码规范与常用研发工具，能够独立完成高质量系统模块设计与实现。 算法理解：熟悉强化学习、模仿学习或在线学习相关算法，如PPO、SAC、DAgger、RLHF等；深入理解on-policy/off-policy/online RL的训练特性、数据需求、收敛约束与系统瓶颈。 分布式训练能力：熟悉PyTorch分布式训练体系，理解多机多卡训练、异步worker、参数同步、数据并行/模型并行等机制；具备分布式系统设计、性能优化与稳定性治理经验。 通信与端云协同：了解RPC、gRPC、ZMQ、消息队列等通信框架，具备端云协同、异构集群训练、边缘设备数据回传或大规模任务调度经验者优先。 系统设计能力：具备良好的系统抽象、架构设计与问题拆解能力，能够在功能完整性、训练效率、工程复杂度与系统稳定性之间做合理取舍。 论文复现与落地能力：能够阅读并复现RL/VLA/Embodied AI相关顶会论文，理解算法背后的系统需求，并将其转化为工程可实现、可维护、可扩展的训练框架能力。
相关岗位