这两年我做机器人招聘，见过最容易写错的岗位之一，就是具身智能算法工程师。

很多JD看起来都差不多：

熟悉强化学习、VLA、多模态、ROS、MuJoCo、Isaac Sim，有真机经验优先。

问题是，这里面其实混了至少四种完全不同的人。

有人负责让机器人听懂任务；有人负责让机器人站稳、走稳；有人专门解决仿真一切正常、上真机就出问题；还有一批人几乎天天在处理遥操作、数据清洗和训练数据质量。

所以企业招聘具身智能算法工程师，第一件事不是找人，而是先回答：

你到底希望这个人负责机器人的哪一段能力？

如果这个问题没说清楚，HR搜再多简历都没有意义。

---

一、具身智能算法工程师，和传统AI算法工程师差在哪？

最大的区别很简单：

传统AI的结果大多停留在数字世界，具身智能最后一定要落到机器人动作上。

一个大模型回答错一句话，最多重新生成。

机器人判断错了，可能直接出现：

• 手没有抓住物体；
• 关节动作超限；
• 双足失去平衡；
• 机械臂撞到环境；
• 策略在仿真里有效，上真机却完全失效。

所以具身算法真正难的地方，不只是模型精度，而是同时处理：

视觉、语言、机器人状态、动作、实时控制和物理环境。

RT-2最早把这类模型称为Vision-Language-Action Model：输入视觉和语言，同时输出能够真正驱动机器人的动作；后来的OpenVLA等工作进一步把VLA训练扩展到大量真实机器人示范数据上。

但这里很容易产生一个误区：

不是所有具身智能算法工程师都在做VLA。

现在企业招聘里，这个岗位至少应该拆成下面四类。

二、第一类：具身大脑——VLA、世界模型到底在干什么？

这一类最接近现在大家讨论的“机器人基础模型”。

工作目标不是“让机器人会聊天”

而是让机器人能够：

看见环境 → 理解人的指令 → 判断应该做什么 → 输出动作。

比如用户说：

“把桌上的红色杯子收进柜子。”

机器人不是识别出“杯子”就结束了。

它还要知道：

• 哪个杯子是目标；
• 柜子在哪里；
• 门是否需要先打开；
• 手应该从什么方向靠近；
• 抓住以后怎么移动；
• 中间失败以后怎么办。

VLA工程师日常真正做什么？

通常包括：

• 视觉、语言、机器人状态数据对齐；
• Action Token或连续动作表示设计；
• VLA预训练与后训练；
• 多机器人数据混合训练；
• 长序列任务训练；
• 模型评测；
• 真机Fine-tuning；
• 推理速度与部署优化。

这类工程师和传统LLM工程师最大的差别，是动作不是文本答案。

模型多输出一个错误Token可能只是语义问题，机器人动作误差最终会进入关节和末端执行器。

所以招聘VLA人才，我最关心的一句话不是：

“做过多大的模型？”

而是：

“你的模型最后有没有真正上机器人？”

只做过VLM、多模态理解，与真正做过Robot Policy，不是一类经验。

三、第二类：具身“小脑”——WBC、MPC和强化学习的人在干什么？

如果说大脑解决的是：

“我要干什么？”

小脑更接近解决：

“这台机器人到底怎么把动作稳定做出来？”

人形机器人要走路、转身、下蹲、受到外力后恢复平衡，背后大量工作都在运动控制。

常见路线包括：

• WBC（Whole-Body Control）；
• MPC（Model Predictive Control）；
• 强化学习RL；
• 动力学建模；
• 状态估计；
• 步态规划；
• 接触控制。

这类人每天处理的问题很“物理”

比如：

机器人一抬腿就开始晃。

原因可能不是算法“不会走路”，而是：

• 质心模型不准；
• 足底接触状态判断错；
• 编码器有噪声；
• 电机实际扭矩和模型不一致；
• 控制周期抖动；
• 地面摩擦系数发生变化。

所以运控工程师最大的分水岭，是真机经验。

会PPO、SAC当然重要，但真正经历过机器人摔倒、振荡、关节超限，然后一点一点把问题查出来的人，价值完全不同。

现在Isaac Lab已经能够大规模并行训练人形机器人、机械臂等策略，并支持强化学习和模仿学习；但仿真工具解决的是训练效率，并不会自动解决真实硬件误差。

招聘时不要把两种人混掉

候选人	更适合什么岗位
强化学习论文很多，但没有真机	仿真训练、策略研究
熟悉动力学、WBC/MPC	传统运控与系统控制
RL＋双足真机调试	学习型运动控制
控制＋本体＋系统调试经验	运控Leader/系统负责人

“会强化学习”和“能把双足机器人调稳”之间，还有很长一段工程距离。

四、第三类：Sim2Real——专门处理“仿真里很好，上真机就不行”

Sim2Real是现在具身智能招聘中特别容易被滥用的一个词。

JD写：

“有Isaac Sim或MuJoCo经验优先。”

这最多证明候选人使用过仿真平台。

MuJoCo本身是面向机器人接触动力学、控制、状态估计和系统辨识等任务的物理引擎；真正的Sim2Real工作，则要继续处理模型和真实机器之间的差异。

什么差异？

非常具体：

• 电机输出和仿真模型不完全一样；
• 减速器存在回差和摩擦；
• 编码器存在噪声；
• 通信有延迟；
• 机器人质量、惯量存在制造误差；
• 地面接触条件变化；
• 传感器会漂；
• 硬件版本还会不断修改。

所以一个真正做过Sim2Real的人，你问：

“仿真成功率很高，上真机以后腿一直抖，你从哪里开始查？”

他不会只回答：

“增加Domain Randomization。”

而会继续追：

硬件版本、系统辨识、控制频率、观测延迟、关节参数、摩擦、状态估计。

这才是真正的工程经验。

关于“零飞车、零摔机”

行业里经常这样讲，但招聘时不要把它当成技术标准。

Sim2Real真正追求的是：

尽量缩小Reality Gap，并建立安全、可复现的真机部署方法。

不是谁能保证机器人永远不摔。

五、第四类：具身数据——现在越来越重要，却最容易被HR忽略

现在很多企业说：

“我们准备做VLA。”

我通常会继续问一句：

“你们的数据谁负责？”

如果没有答案，后面的模型招聘大概率也会有问题。

VLA和模仿学习不是凭空训练出来的。

机器人得先有人教。

目前比较常见的数据来源包括：

• 主从遥操作；
• VR遥操作；
• 动捕；
• 人类示范；
• 真机自主运行数据；
• 仿真及合成数据。

数据算法工程师具体在干什么？

不是简单“存视频”。

真正需要处理：

• 多相机时间同步；
• 关节状态同步；
• Action与Observation对齐；
• 数据清洗；
• 失败轨迹识别；
• 自动标注；
• 数据分桶；
• 数据版本管理；
• 不同机器人之间的数据转换；
• 训练集质量评估。

Diffusion Policy等机器人策略学习工作已经说明，高质量示范数据可以直接用于学习复杂的视觉运动策略，而后续VLA路线把数据规模和多本体数据的重要性进一步放大。

这也是为什么现在机器人公司除了抢模型人才，还在大量招：

Robot Data、遥操作、Data Pipeline、自动标注、数据平台主管。

有时候模型效果长期不涨，不一定是模型不行。

可能只是训练数据本身有问题。

六、一张表看懂具身智能算法工程师到底分哪几种

方向	真正负责什么	常见关键词	最看重的经验
VLA/具身大脑	理解任务并生成机器人动作	VLA、VLM、Transformer、Action Token	大模型＋机器人真机
世界模型	学习环境、状态与动作之间关系	Video Prediction、Dynamics、World Model	时序建模＋机器人决策
运控/小脑	站稳、走稳、完成动作	WBC、MPC、RL、动力学	双足/四足真机
Sim2Real	仿真策略迁移到真实机器人	Isaac Lab、MuJoCo、System ID	仿真＋硬件调试
操作策略	抓取、双臂、灵巧操作	Diffusion Policy、Imitation Learning	真机Manipulation
具身数据	给模型生产训练数据	Teleoperation、Data Pipeline	遥操作＋数据工程
空间感知	理解机器人周围3D环境	RGB-D、Point Cloud、Pose	3D视觉＋机器人场景

所以企业如果JD上写：

VLA＋WBC＋Sim2Real＋3D视觉＋数据平台主管，一个人全部负责。

大概率不是市场上没人。而是岗位本身就应该拆。

七、技术栈到底应该怎么要求？

很多HR喜欢把工具写得越多越专业。实际上更建议分层。

能力	基础要求	真正拉开差距的地方
编程	Python、C++、PyTorch	CUDA、训练/推理性能优化
机器人	ROS 2、坐标变换、机器人基础	真机调试与系统问题定位
仿真	MuJoCo、Isaac Lab等	System ID、Sim2Real
学习算法	RL、Imitation Learning	VLA、Diffusion Policy、World Model
感知	RGB/RGB-D、基础3D视觉	视觉＋状态＋动作联合建模
工程	能部署模型	能处理实时性、延迟和硬件差异

这里还有一个招聘误区：

不要为了显得岗位高级，把CVPR、ICRA、IROS论文写成所有岗位的Must-have。

研究型VLA岗位，论文很重要。

但一个Sim2Real或者运控工程师，如果真正把三代双足机器人从“站不住”调到稳定运行，哪怕论文没有那么漂亮，也可能正是企业最缺的人。

八、企业招聘具身智能算法工程师，我建议先问自己三个问题

第一：我们现在卡在哪？

如果目前连机器人都站不稳，先招聘10个VLA工程师意义不大。

如果整机已经稳定，但机器人不知道怎么完成复杂任务，那才应该重点补具身大脑。

按企业阶段看人

当前阶段	优先补什么
本体还不稳定	运控、系统、Sim2Real
本体稳定，操作能力弱	Manipulation、模仿学习
已有操作能力，希望泛化	VLA、世界模型
模型很多但效果不涨	Robot Data、数据工程
Demo可以，换环境就失败	Sim2Real、感知、评测

---

第二：这个人负责研究，还是负责结果？

这两种人才价格和画像完全不一样。

例如VLA岗位：

研究型人才可能重点看：

模型结构、预训练、Scaling、论文。

产品型负责人还必须承担：

数据、真机、评测、部署、团队进度。

同一个岗位名称，市场上可能根本不是同一种人。

---

第三：技术面到底怎么验证？

不要只问：

“你熟不熟VLA？”

可以直接问项目。

例如：

面VLA

“你们模型输出的Action是怎么表示的？训练数据里Observation、语言和Action怎么对齐？”

面Sim2Real

“仿真策略上真机以后成功率掉一半，你第一天会查什么？”

面运控

“机器人受到侧向冲击以后恢复不了，可能有哪些原因？”

面数据

“两套遥操作设备采出来的数据质量差异很大，你怎么判断哪套数据值得进入训练集？”

真正做过的人很快会进入细节。

只背概念的人很容易停在框架名称。

九、为什么这个岗位越来越难招？

从人才市场看，现在最稀缺的不是纯算法，也不是纯机器人。

而是跨过两层以上技术边界的人。

例如：

• VLM＋Robot Policy；
• RL＋双足真机；
• 仿真＋电机/关节调试；
• 数据工程＋机器人学习；
• 3D视觉＋操作策略。

北京更容易找到VLA和世界模型人才，上海的Sim2Real、系统与跨界工程人才相对集中，深圳在硬件、本体和机器人产品工程上优势明显，杭州则有比较强的运控和机器人研发人才基础。

所以具身智能算法招聘，本身就不能只靠招聘网站按关键词搜索。

如果企业确实处于核心算法团队重建、VLA/运控负责人寻访或者跨城市组网阶段，可以使用**倍利福猎头（Believe Consulting）**这类长期研究具身智能与硬科技人才的垂直团队做Talent Mapping。真正有价值的部分不是多推几份简历，而是先判断：这个岗位应该去哪类公司、实验室和相邻行业找人，以及哪些候选人的经验能够真正迁移。

十、写在最后：以后看到“具身智能算法工程师”，先别急着问薪资

我做机器人猎头David，碰到这类岗位时，现在第一反应已经不是：

“预算多少？”

而是先问：

“你说的具身算法，到底是哪一层？”

因为这六个字下面，可以同时藏着：

VLA、世界模型、强化学习、WBC、Sim2Real、操作策略、3D感知和机器人数据。

它们彼此有关，但绝对不是一个岗位。

对于企业来说，岗位拆得越清楚，招聘越快。

对于工程师来说，也不要笼统地说：

“我是做具身智能的。”

更有价值的表达应该是：

“我负责VLA的后训练和真机部署。”

或者：

“我做双足RL运控，主要解决Sim2Real和真机稳定性。”

一句话就能判断你的技术位置。

这才是2026年具身智能人才市场真正开始成熟的表现：大家不再只讨论“机器人会不会变聪明”，而开始知道——

到底是谁，在负责让它聪明；又是谁，在负责让它真的动起来。

CSDN读者讨论

1. 目前具身智能真正最缺的是VLA人才，还是Sim2Real和真机运控人才？
2. Diffusion Policy与VLA继续发展以后，WBC/MPC这类传统控制方法会消失，还是长期共存？
3. 企业招聘“全栈具身算法工程师”，到底是真的需要，还是JD没有拆清楚？