具身数据算法工程师

Responsibilities

1. 负责具身智能数据体系建设 - 构建高质量数据获取与管理流程，支撑具身智能模型训练与迭代 - 设计数据标准（状态、动作、视觉、多模态信息等）及数据结构 2. 设计与实现高效数据采集方案 - 基于真实机器人、仿真环境（如遥操作、自动采集等）进行数据获取 - 探索多种数据来源：人类演示（teleoperation）、仿真生成、自监督采集等 - 提升数据采集效率与覆盖多样性 3. 数据质量评估与优化 - 定义“高质量数据”标准（成功率、分布覆盖、稳定性、多样性等） - 构建数据清洗、筛选、标注与质量评估工具链 - 分析数据对模型效果的影响，并进行数据迭代优化 4. 理解并参与模型训练Pipeline - 熟悉具身智能训练流程： data → pretrain → post-train → fine-tune → eval - 支持 VTLA / VLA / diffusion policy 等具身智能方法的数据构建与优化 - 分析数据与模型性能之间的关系，指导数据策略 5. 多模态数据处理与融合 - 处理多模态数据，如： - 视觉（RGB / Depth / 多视角相机） - 状态（关节角 / 末端位姿 / 力觉 / 传感器状态） - 动作（控制指令 / 轨迹 / 力控制信号） - 设计数据对齐与同步机制（时间同步、坐标系统一等） 6. 数据驱动算法优化 - 通过数据分析推动策略学习效果提升（成功率、泛化能力） - 支持模型评估与benchmark构建

Requirements

1. 基础要求 - 计算机、机器人、自动化、人工智能等相关专业 - 扎实的编程能力（Python / C++） 2. 具身智能 / 机器人相关经验 - 熟悉机器人基础（运动学、控制、感知等） - 理解具身智能任务（抓取、操作、导航等） 3. 数据与机器学习能力 - 熟悉机器学习 / 深度学习基本方法 - 理解 imitation learning、reinforcement learning、VTLA / VLA / diffusion policy 等方法 - 有数据处理经验（清洗、标注、分析、pipeline搭建） 4. 工程能力 - 熟悉 ROS / ROS2、PyTorch 等工具 - 有数据系统或训练pipeline搭建经验优先 5. 加分项 - 有具身智能 / 机器人学习模型开发经验 - 熟悉主流仿真环境（Isaac Gym、MuJoCo、PyBullet 等） - 有遥操作数据采集或人类演示数据经验 - 在相关会议（ICRA、CoRL、RSS、NeurIPS等）发表论文

Who this role is for

本科以上

Company overview