章鱼动力
由地平线6号员工都大龙于2026年1月创立，总部位于北京，以SYNTH深思架构为技术底座，聚焦物理AI方向的操作智能、世界建模与数据系统。成立不足3个月即完成近5000万美元首轮融资，地平线、高瓴创投、小米战投、顺为资本、线性资本参投，后续获新加坡K3数亿元战略投资。
策略模型算法负责人(A119862)
1. 硕士及以上学历，计算机、人工智能、机器人、自动化、控制、数学等相关专业；博士优先。 2. 有机器人学习、模仿学习、多模态大模型、VLA、强化学习或具身智能相关经验。 3. 深入理解主流机器人策略模型路线，包括 imitation learning / behavior cloning、diffusion policy、flow matching action model、ACT、VLA、action chunking、continuous action policy、cross-embodiment policy learning、offline RL、DAgger 等；能判断不同方法在数据效率、精细控制、泛化和部署延迟上的取舍。 4. 理解不同 action representation 的适用边界，包括连续动作头、action chunk、latent action、tokenized / autoregressive action model 等；能判断 tokenized action 在 VLA 对齐、序列压缩和推理效率上的价值，以及在高频精细控制、空间精度和部署延迟上的代价。 5. 关注 World-Action Model、world model-conditioned policy、video / latent dynamics guided control 等新方向，理解其与 VLA、diffusion policy、model-based RL 的关系和适用边界。 6. 理解机器人本体差异、action space、控制频率、传感器输入、真机评测和部署约束。 7. 有从数据、训练、评测到真机部署的完整模型闭环经验优先。 8. 有团队管理、技术规划或跨团队项目推进经验，能管理策略模型和 RL 团队，并协调数据、运控、仿真、平台和评测团队。
具身智能算法工程师(A166488)
1. 计算机科学、人工智能、机器人、控制工程等相关专业硕士及以上学历； 2. 深刻理解具身智能或机器人策略学习体系； 3. 有大规模策略模型设计与落地经验； 4. 理解 BC、Offline RL、Diffusion Policy 等主流方法。 加分项 1. 具身智能、机器人或自动驾驶相关经验； 2. 熟悉 OpenVLA、π0、GR00T、Helix、RT-X 等代表性工作； 3. 有长时序任务、复杂操作任务或柔性物体操作经验； 4. 有真实机器人训练与部署经验； 5. 在 CoRL、RSS、ICRA、ICML、NeurIPS、ICLR 等会议发表论文。
国内业务拓展总监/经理
1. 背景要求：本科及以上学历，具备硬科技、工业机器人、无人机、AGV/AMR 、云计算或 AI 软件解决方案的 BD/销售经验。有头部大厂或机器人独角兽企业任职背景者优先； 2. 商务能力：具备卓越的商务谈判技巧，能够与客户的中高层及技术专家进行高密度、专业化的沟通。擅长处理复杂的项目招投标及长周期销售流程； 3. 核心软实力：极强的自驱力与结果导向意识。具备极强的“冷启动”能力和资源整合能力，能够适应创业团队高强度的节奏，能接受出差； 4. 行业认知：对具身智能、大模型驱动的机器人底层技术有基础了解，能独立引导客户进行首轮技术对话，并准确翻译客户需求。 加分项 1. 拥有丰富的国内头部AI领域客户资源； 2. 有从 0 到 1 助力初创团队打通垂直行业销售通路、实现营收规模化增长的成功案例； 3. 熟悉国内机器人相关政策、补贴申请及行业合规标准。
船机控制算法工程师
1. 本科及以上学历，控制、自动化、船舶工程等相关专业，硕士优先； 2. 3年以上船控算法相关工作经验； 3. 精通PID、MPC、自适应控制等控制理论，熟悉船舶运动模型及航向、速度、轨迹跟踪算法； 4. 熟练使用MATLAB/Simulink，精通C/C++语言，具备嵌入式开发经验； 5. 熟悉船舶常用传感器及通信协议（CAN/Modbus），具备控制系统建模与工程落地能力； 6. 具备较强的英文阅读能力，对船舶控制、电动化方向有强烈兴趣； 7. 有DP动力定位、海况测试、新能源船舶项目经验优先。
运动与控制算法工程师(A138068)
1. 机器人、人工智能、自动驾驶等专业，硕士及以上学历，至少5年工作经验（含研究经历）； 2. 扎实的机器人运动学与动力学基础，熟悉逆运动学、轨迹规划与运动平滑方法； 3. 有真实机械臂或机电系统控制落地经验； 4. 熟悉 C++ / Python（至少一项熟练）； 5. 能理解学习型策略输出与控制层之间的映射关系； 6. 具备系统调试与问题定位能力。 加分项 1. 具身智能或学习型控制系统经验； 2. 力控、阻抗控制或柔顺控制经验； 3. 熟悉实时系统、EtherCAT、CAN 等控制通信协议； 4. 参与过机械臂或执行器自研项目。
售前技术解决方案工程师
1. 行业经验：大学本科及以上学历（理工科背景优先），具备硬科技、机器人、工业自动化、智能制造或复杂系统集成行业的售前技术/解决方案/系统架构经验； 2. 扎实技术底座：技术背景扎实，熟悉底层网络架构、软件接口协议及软硬件系统集成，能够独立产出专业的技术文档与部署手册； 3. 核心软实力：极强的沟通平衡力与高情商。精准平衡客户的个性化定制需求与公司标准化产品能力的边界，具备极强的抗压与现场应变能力。 加分项 1. 外语优势：英文口语与书面表达流利，能够无障碍阅读海外前沿技术文档或对接国际化项目； 2. 实战闭环：拥有相关机器人或复杂智能硬件项目从售前方案到落地交付的完整闭环实战经验。
法务专家
1. 法学本科及以上学历，持有法律职业资格证书； 2. 8 年以上法律从业经验，具备头部律所 + 企业 in-house 的复合背景； 3. 有数据合规或出海合规的实操经验，熟悉个保法 / GDPR 框架下的具体动作； 4. 有融资、股权、期权相关交易经验，能审阅英文交易文件； 5. 英语可作为工作语言（书面为主，口头沟通无障碍者加分）。 加分项 1. 初创公司或"一人法务"从 0 到 1 搭建经验； 2. 能源、动力系统、智能制造或硬科技行业背景； 3. 持有 CIPP/E、CIPM 等国际隐私保护认证； 4. 有跨境税务架构相关经验。
双足机器人运控算法工程师
1、学历专业：硕士及以上学历，机器人学、控制理论与工程、计算机科学、机械工程、自动化等相关专业。研究方向聚焦双足/人形机器人运动控制、强化学习决策控制者优先。 2、核心经验：3年以上机器人运动控制或强化学习相关研发经验。具备足式/双足机器人真机落地经验者优先。 算法能力： 3、扎实的机器人学理论基础，掌握机器人运动学、动力学、轨迹规划、状态估计、最优控制等核心理论。 熟悉主流强化学习算法与实现（PPO/SAC/TD3等），理解稳定训练要点（归一化、优势估计、探索、约束等）。 仿真与部署能力： 4、熟练使用至少一种机器人仿真平台（Isaac Gym/MuJoCo/Gazebo等），具备仿真环境搭建与策略训练经验。 具备Sim2Real迁移经验，了解域随机化、系统辨识等常见迁移技术。 编程能力：精通 C++/Python，熟悉至少一种深度学习框架（PyTorch/TensorFlow），具备良好的工程化代码习惯。熟悉Linux开发环境及ROS2。 加分项： 1、有参与RoboCup等机器人足球赛事的实战经验，熟悉对抗场景下的运动控制策略优化 2、熟悉模型预测控制（MPC）、全身控制（WBC）等基于模型的控制方法 3、熟悉NVIDIA Isaac/Omniverse平台，有大规模并行仿真训练经验 有发表机器人运动控制相关领域（ICRA/IROS/CoRL等）高水平论文者优先 公司可以免费停车，有班车到5号线和15号线地铁站。 -
灵巧手传感器系统工程师
1. 微电子、传感器技术、精密仪器等相关专业硕士以上学历； 2. 5年及以上传感器系统架构设计、研发实战经验，3年及以上灵巧手/仿生机械手/柔性触觉传感器相关项目主导经验，有完整传感器从架构设计到量产落地全流程经验； 3. 高自由度灵巧手/仿生手传感器系统开发经验，具备多传感器融合或者触觉手套设计方案者优先； 4. 精通各类传感器原理与应用，包括柔性触觉传感器、力矩传感器、力敏传感器、位置/角度传感器、应变式传感器等，熟练掌握灵巧手专用传感器架构设计方法； 5. 掌握传感器信号调理、数据采集、降噪滤波、抗干扰设计技术，熟悉传感器硬件电路设计、接口协议及通信方案，能独立完成传感器系统方案搭建与验证； 6. 熟练掌握传感器微型化、柔性化、集成化设计要点，能适配灵巧手狭小空间、柔性结构、复杂工况的安装与使用需求。
章鱼动力创始人兼CEO都大龙
他是中科院计算所硕士、清华大学创新领军工程博士，早年就职百度，是国内最早一批深度学习研发与工程化落地参与者。同时，都大龙也是地平线6号创始员工，曾深度参与国内首 款AI芯片BPU设计，主导AI算法前瞻研发与工程落地，长期参与关键技术的突破推进与实现，是余凯核心团队中的最重要成员之一。
人力资源总监 · 三秦（衡水）企业管理咨询有限公司
计算机、人工智能、机器人或相关专业,硕士及以上学历 2、精通 Python 和 PyTorch,有大规模分布式训练经验 3、在生成式建模(Diffusion / Flow Matching / NeRF / 3D Gaussian Splatting)和 self-supervised 表征学习上有扎实理解,能讲清楚不同方法在物理一致性、多峰建模、训练效率上的 trade-off 4、至少熟...