职位描述1、多模态数据采集清洗与对齐：负责视触觉遥操系统、视触觉UMI、穿戴式触觉手套及Ego（第一视角）设备的多源异构数据治理，解决纳秒级时空同步、传感器手眼标定、触觉阵列/力特征解析、鱼眼畸变校正与轨迹滤波降噪； 2、运动重定向与轨迹重构：负责以人为中心的非结构化手部/手持位姿向**高自由度触觉灵巧手及双臂人形本体的Motion Retargeting（运动重映射），处理运动学可行性约束、空间位姿映射与面向策略学习的 Action Chunking（动作分块）； 3、数据质量评估与自动化质检：针对 Diffusion Policy、ACT、VLA等具身策略学习需求，构建多模态数据质量评估指标体系（轨迹连续性、触觉信噪比、演示有效性），研发自动化数据筛选、异常剔除与子任务切分算法； 4、数据标准体系与管线建设：制定统一的具身多模态时序数据存储规范（如基于 Zarr、HDF5、LeRobot的格式与 Schema 定义），搭建支持大规模分布式 GPU 集群训练的高吞吐、低延迟数据处理与加载管线。任职要求1、教育与工作背景：计算机、机器人学、自动化、人工智能等相关专业，硕士及以上学历，具备 2年及以上机器人多模态数据处理、传感器融合、遥操作动捕或机器人学习相关实际研发经验。 2、编程与工程能力： 1.精通 Python 与 C++，具备扎实的数据结构与算法功底； 2.熟练掌握 PyTorch，熟练运用 NumPy、SciPy、OpenCV、Eigen、Pinocchio 等核心计算与机器人几何运动学库。 3、专业技术深度： 1.熟悉视触觉传感器（如 GelSight 原理）的光学成像与接触形变表征，或掌握高密度压阻/电容式触觉阵列信号解算与物理标定； 2.深入掌握 SE(3) 空间位姿几何变换、IMU/光学动捕姿态解算及人-机运动重映射算法原理； 3.深刻理解机器人模仿学习机制，熟悉其对多模态输入时延、示教数据分布及动作平滑度的敏感性机理； 4.熟练掌握 UMI（Universal Manipulation Interface）架构数据流或 Ego 第一视角视觉数据处理规范。 4、加分项： 具备UMI、DexCap、AnyTeleop 等相关开源项目深入实践经验者优先； 熟悉开源具身数据集生态（如 Open-X-Embodiment、LeRobot、RLDS）并主导过大型多模态数据管线落地者优先； 在 ICRA、IROS、CoRL、RSS、CVPR 等机器人或计算机视觉顶级会议发表过相关论文者优先。
