数采方案也从仿真优先慢慢到UMI和更加拟人的方案演变，让数据能够规模化和好用，是各家公司一直探索 的。任务的差异化，也对数据的生产方式有一定的要求。 相比于传统机器人，具身领域的算法则更AI，从VLA、VLN到交互大模型，从强化学习到世界模型。基于 模仿学习和强化学习的方案，正在让模型变得更加泛化。 最近越来越多的同学开始准备具身方向的求职，算法、开发、仿真、强化、市场、产品等。不约而同的都再 问一句话，有没有好的求职指南？这个行业是怎么样的？ 这件事情，真的值得梳理一下。 2022年，当大多数人还没意识到"具身智能"即将爆发时，少数开拓者已经在悄悄地摸索着具身机器人的数 据、算法和推理。虽然没有达到那座山，但算法和硬件的高度一直在不断提升，场景也逐渐清晰。 本体层面的稳定性和实用性在陆续提升，从简单的双足、四足机器人，到更精美的人形和移动操作机器人。 场景一直决定着机器人的形态，各家零部件厂商也如雨后春笋般成长，强大的供应链让落地的成本不断下 降。 一个做算法的同学说，如果能把具身的上下游、开发流程、场景和商业化都过一遍就好了。开发的时候既知 道目的，又知道成本，游刃有余。不能管中窥豹，只见一斑。 一个想要 ...

2022年，当大多数人还没意识到"具身智能"即将爆发时，少数开拓者已经在悄悄地摸索着具身机器人的数据、算法和推理。虽然没有达到那座山，但算法和硬件 的高度一直在不断提升，场景也逐渐清晰。 本体层面的稳定性和实用性在陆续提升，从简单的双足、四足机器人，到更精美的人形和移动操作机器人。场景一直决定着机器人的形态，各家零部件厂商也如 雨后春笋般成长，强大的供应链让落地的成本不断下降。 短短的数年时间，和具身智能相关的企业已经近300家，各类优秀的团队参与到这项技术变革中，不断在改变着产业和技术格局。 数采方案也从仿真优先慢慢到UMI和更加拟人的方案演变，让数据能够规模化和好用，是各家公司一直探索的。任务的差异化，也对数据的生产方式有一定的要 求。 一个做算法的同学说，如果能把具身的上下游、开发流程、场景和商业化都过一遍就好了。开发的时候既知道目的，又知道成本，游刃有余。不能管中窥豹，只 见一斑。 相比于传统机器人，具身领域的算法则更AI，从VLA、VLN到交互大模型，从强化学习到世界模型。基于模仿学习和强化学习的方案，正在让模型变得更加泛 化。 具身领域在高速发展的同时，也有一些很持续存在的问题。体现在市场调研、产 ...