机器学习岗位职责

工程概览 ：
我们的目标是研发一款多功能的抓取与放置机器人，能够无缝集成至商用厨房中。 该机器人能识别多种原材料——从肉类到蔬菜——并依照用户指定的重量或数量进行量测，再将食材送至烹饪流程的下一阶段，全程不需人工干预。 此系统采用模块化的硬件与软件架构，可因应厨房布局变化与菜单更新调整。 通过强化学习驱动的运动策略，机器人能够在不同对象与工作空间间泛化其抓取与放置方式。
岗位简介：
我们正在寻找一位机器学习工程师，您将负责设计、开发与部署驱动机器人行为的学习策略，并在基于 ROS的框架中运行。 您的职责是实现感知系统与底层运动规划的无缝集成，即在实时ROS框架内，对图像、点云及力读数进行处理与转化，并传递给规划层，在实时 ROS 生态系统内实现端到端的性能与可靠性。
主要职责：
1、数据工程与前处理
1）主导数据流程：收集、标注及前处理多模态数据集，用于训练与评估
2）清理与标注数据，确保训练的完整性与可扩展性
2、算法开发与训练
1）在模拟与实际环境中开发并训练机器学习算法
2）定义奖励函数，监控训练指标，分析失败案例，并优化模型结构以提升策略鲁棒性
3、模型整合与部署
1）将训练好的模型整合到 ROS 控制回路中，优化边缘设备推理效能、延迟及吞吐量
2）评估系统性能，分析故障并对模型架构与奖励函数进行迭代改进
3）与跨学科/领域团队紧密合作，确保模型与机器人运动规划的无缝衔接
职位要求：
1.计算机科学、机器学习、机器人或相关领域学士（或以上）学位
2.精通 Python 及至少一种深度学习框架（如 PyTorch、TensorFlow）
3.具备强化学习和/或模仿学习实践经验
4.熟悉模拟工具（Gazebo、CoppeliaSim）与 GPU 加速训练流水技术与流程
加分条件：
1.具相关领域硕士学位
2.曾将ML模型整合至 ROS 或其他机器人中间件
3.掌握OpenCV与ROS的集成技术，并应用于机器人视觉开发
4.具有在自定义数据集上微调大型预训练视觉语言或多模态模型的经验
5.熟悉強化学习库（如 Ray R. Lilly， Stable Baselines）
6.熟悉推論优化框架（TensorRT、OpenVINO）
7.具备出色的问题解决能力，能于跨领域/学科团队中协作
Project Overview：
Our goal is to develop a versatile pick-and-place robot that seamlessly integrates commercial kitchens. It will identify a wide range of raw ingredients—ranging from meats to vegetables—measure them to user-specified weights counts, deposit them the next stage of the cooking line without human intervention. Built around modular hardware software components, the system will adapt to changing kitchen layouts evolving menus. By leveraging reinforcement-learning-driven–driven motion policies, the robot can generalise its grasping placement strategies across new objects workspaces with minimal reprogramming.
Job Summary：
We seek a proactive Machine Learning Engineer to design, develop, deploy machine learning policies that drive the robot’s behaviour within a ROS-based framework. You’ll bridge the gap between perception outputs—images, point clouds, force readings—low-level motion planning in a real-time ROS ecosystem. Close collaboration with controls, vision, systems teams will ensure end-to-end performance reliability.
Key Responsibilities：
1.Data Engineering & Preprocessing
1) Lead data-engineering pipelines: collect, annotate, preprocess multi-modal datasets ftraining evaluation.
2) Annotate, clean, preprocess datasets to ensure training integrity scalability
2.Algorithm development training
1) Develop train machine learning models in simulation the real world.
2) Define reward functions, monittraining metrics, analyse failure cases, iterate on model structures to improve policy robustness.
3.Model integration deployment
1)Integrate trained models ROS control loops, optimising fedge-device inference, latency, throughput.
2)Evaluate system performance, analyse failures, iterate on model architectures reward functions.
3)Work closely with a multidisciplinary team to ensure the model seamlessly integrates with robot motion planning.
Minimum Qualifications：
1.Bachelor’s degree (higher) in Computer Science, Machine Learning, Robotics a related field.
2.Proficiency in Python one more deep learning frameworks(e.g., PyTorch, TensorFlow).
3.Hands-on experience with reinforcement-learning and/imitation-learning workflows.
4.Familiarity with simulation tools (Gazebo, CoppeliaSim) GPU-accelerated training pipelines
Preferred Qualifications：
1.Master’s degree in a relevant discipline
2.Experience integrating ML models within ROS other robotic middleware
3.Experience with OpenCV ROS integration fvision-based robotics.
4.Experience fine-tuning large pretrained vision-language
multimodal models on custom datasets
5.Knowledge of RL libraries(Ray RLlib, Stable Baselines).
6.Hands-on expertise with inference optimisation frameworks(TensorRT, OpenVINO).
7.Strong problem-solving skills the ability to work collaboratively within a multidisciplinary team.

核心职责：
负责制造业核心场景的AI算法研发，通过数据驱动实现配件预测、产品推荐、生产调度、质量检测等业务场景的智能化升级。
基本要求
1.计算机/数学/统计相关专业，扎实的机器学习理论基础
2.熟练掌握Python及主流深度学习框架，具备完整算法落地经验
3.熟悉工业数据特性，能解决小样本、实时性、稳定性等工程挑战
4.具备制造业业务理解力，能将生产逻辑转化为算法问题
优先条件
1.具备时序预测、运筹优化、计算机视觉中至少两个领域实战经验
2.熟悉边缘计算与模型轻量化部署
3.有供应链、生产制造场景项目经验

美团自动配送以自研L4级自动驾驶软硬件技术为核心，与美团即时零售业务结合，形成满足公开道路、校园、社区、工业园区等室外全场景下的自动配送整体解决方案。
美团无人车团队成立于2016年，团队成员来自于Waymo、Cruise、Pony.ai、泛亚等自动驾驶行业头部公司，自动驾驶技术团队博士占比高达30%，依靠视觉、激光等传感器，实时感知预测周围环境，通过高精地图定位和智能决策规划，保证自动配送车全场景即时配送能力。自2020年起，自动配送车已在北京、深圳等多地进入常态化试运营阶段，运营车辆超500台，日均运营超16小时，截止2022年6月，已经累计配送近220万单。
欢迎加入美团无人车团队，与我们一起用科技推动即时零售再升级！
岗位职责
1、策略算法建模与优化：负责无人车货运业务中核心策略模型的建设和持续迭代。运用机器学习、因果推断、大模型等技术，对货运场景中的强不确定性、强价格弹性、强动态性进行建模和优化。具体方向包括：需求预测、留存/转化预测、价格弹性建模等定价/营销优化场景和路径规划与时间预估、履约机会成本预测、供需失衡预测等调度优化场景。
2、预测-决策联合优化：推动预测模型与决策模型的深度耦合，通过端到端优化实现业务订单增长和运营效率提升，直接驱动GMV增长和成本优化。
3、业务洞察与技术探索：深入理解无人车货运业务全链路，洞察业务快速发展过程中的关键瓶颈，与产品、运营、工程团队紧密协作，探索AI驱动的新一代物流策略体系。
4、前沿技术落地：关注并引入大模型（LLM/Foundation Model）、强化学习、因果推断等前沿技术在物流策略优化中的应用，推动技术创新转化为业务价值。
岗位基本需求
1、具备优秀的问题发现、分析和解决能力，能够快速、深入理解业务并挖掘优化点和制定优化方案。
2、在机器学习、因果推断、搜索推荐等领域有扎实理论基础和丰富实战经验，能够将技术能力转化为可落地的业务策略。
3、有自驱力和优秀的学习能力，能不设边界、深入思考、快速学习、勇于创新。
4、具有良好的沟通能力和编程能力，有复杂业务场景的策略研发经验。
具备以下者优先
1、有LBS领域和预测/定价/营销领域的策略研发经验。
2、主导过从0到1的策略和业务系统搭建。
岗位亮点
1、业务高速增长：业务正处于爆发式增长阶段，经历从单城到多城、从百量到千量级的规模化过程，不断重构和迭代策略系统，接受大量技术挑战和成长空间。
2、行业亟待重定义：无人货运正在从技术验证走向规模商用，每一版策略迭代都可能直接改变这个行业的成本结构。
3、 跨领域协作：与自动驾驶、运筹优化、产品运营等多个领域的专家紧密协作，构建从感知到策略到执行的完整技术闭环。
4、从0到1的系统建设机会：策略体系仍在快速演进中，你有机会主导核心模块的架构设计，而不仅仅是在成熟系统上做微调。