12-技术路线

路线总览

具身智能的技术栈不是单一路线，而是多条技术线并行。不同路线对能力背景的要求不同，适合不同背景的人切入。

六条核心技术线

1. 具身算法 / VLA（Vision-Language-Action）

用大模型驱动机器人理解和执行任务。当前最热也最卷。

• 代表技术： VLA、VLM、多模态 Transformer、LoRA/P-tuning、分布式训练
• 技术成熟度： 早期。模型在开放场景的泛化能力仍然有限，大部分 demo 在受控环境中完成
• 难点： 真实场景数据稀缺、推理延迟高、模型幻觉在物理世界代价极大
• 适合： AI/软件背景强、想做算法前沿的人。通常要求硕博
• 工具栈： Python, PyTorch/TensorFlow, ONNX, TensorRT

2. 仿真与 Sim2Real

在虚拟环境中训练策略，再迁移到真机。

• 代表工具： Isaac Gym/Isaac Sim, MuJoCo, Gazebo
• 技术成熟度： 仿真侧较成熟，Sim2Real 迁移仍是核心难点
• 难点： 物理建模精度不足、传感器噪声模拟困难、真机部署时需要大量调参
• 适合： 工程能力强的软件背景，仿真到部署的全流程经验很有价值
• 关键能力： 合成数据生成、领域随机化、策略迁移、真机标定

3. 感知与多传感器融合

让机器人理解周围环境。

• 代表技术： 相机/LiDAR/IMU 标定、EKF/UKF/图优化、时空同步、数据对齐
• 技术成熟度： 较成熟，但极端工况（弱光、雨雾、震动）下的鲁棒性仍是挑战
• 难点： 多传感器时空对齐、动态环境下的稳定跟踪
• 适合： 信号处理、控制、电子背景
• 这是成都本地招聘需求最明确的方向之一

4. SLAM（定位与建图）

让机器人知道自己在哪、周围是什么。

• 代表框架： ORB-SLAM, VINS, LIO-SAM 等
• 技术栈： C++, ROS, Linux, 多视图几何, 状态估计, 视觉惯导, 回环检测
• 技术成熟度： 学术上较成熟，工程上鲁棒性仍在持续改进
• 适合： 计算机视觉、机器人的核心入口。成都本地 SLAM 岗位明确且持续
• 与感知路线的差异： SLAM 更偏几何和状态估计，感知更偏语义和理解

5. 运动控制

让机器人稳定、高效地动起来。

• 代表技术： MPC, LQR, NMPC, 全身控制(WBC), 力控, 自适应控制
• 技术栈： MATLAB/Simulink, C++, ROS, MoveIt, OMPL
• 适合： 机械、自动化、控制背景。越偏本体越需要控制底子
• 与控制算法的差异： 运动控制更偏实时物理执行，具身算法更偏任务级决策

6. 模仿学习与强化学习

让机器人通过数据或试错学会技能。

• 代表算法： PPO, SAC, GAIL, 离线 RL, 多智能体 RL
• 难点： 样本效率低、奖励函数设计困难、收敛不稳定、真机训练成本高
• 适合： 算法背景强、愿意做研究的人。工业界岗位比例不如 SLAM 和控制高

路线选择对用户的意义

如果你是软件/AI 背景

离岗位最近的切入点：

• 机器人软件平台
• 仿真与数据工具链
• 感知 / SLAM / 部署工程
• 3D 可视化、人机交互、测试验证

相对更远的切入点：

• 运动控制（需要动力学和实时系统基础）
• VLA/世界模型（需要硕博和论文积累）

如果你是机电/控制背景

离岗位最近的切入点：

• 运动控制 / 规划控制
• 机械本体设计
• 嵌入式与实时系统

后面要补的：

• Python + 深度学习基础
• ROS/ROS2 平台经验
• 论文复现和英文文献阅读

关键认知

招聘最看重的不是"只会调一个模型"，而是：

• 能不能复现论文
• 能不能做仿真
• 能不能上真机
• 能不能在 ROS / Linux / C++ / Python 的混合工程环境里把东西跑通

"会训练模型"和"能把真机跑通"是两回事。后者才是当前行业最稀缺的。