职位描述1. 建设机器人数据采集链路：接入 RGB/RGBD、点云、IMU、力/触觉、关节状态、末端位姿、控制指令、遥操作轨迹、任务语言等数据。 2. 设计多模态时序数据格式与存储：如 ROS bag/MCAP、Parquet、HDF5、Zarr、对象存储、元数据索引、任务标签体系。 3. 负责数据清洗、同步、切片和质量评估：时间戳对齐、相机标定、异常轨迹检测、低质样本过滤、成功/失败轨迹归因。 4. 支持 VLA/模仿学习/强化学习训练：构建 observation-action 数据集、语言指令数据、视频-动作对齐数据、评测集和回归测试集。 5. 搭建数据闭环平台：从机器人部署、遥操作采集、自动上传、自动清洗、标注审核、训练集发布到模型评估回流。 6. 结合仿真生成数据：对接 Isaac Sim、MuJoCo、Genesis、Gazebo 等环境，生成合成轨迹、场景随机化数据、失败案例。 7. 与算法、机器人、标注和产品团队协作：定义数据需求、采集 SOP、数据指标、标注规范和训练数据版本。 8. 熟悉 ROS2 机器人开发，具备机械臂基础控制经验，能够使用 ROS2 driver、ros2_control、MoveIt2 等工具完成机械臂状态读取、轨迹控制和基础任务执行。 9. 理解机械臂运动学和控制基础，熟悉关节空间/笛卡尔空间控制、轨迹规划、末端位姿、控制频率和安全限位等概念。 10. 能够结合机器人控制链路设计数据采集方案，准确记录 observation、action、robot state、task state 和执行结果，支持具身模型训练与评估。任职要求- 编程：Python 必备，C++ 加分。 - 机器人：ROS/ROS2、rosbag/MCAP、TF、URDF/MJCF、传感器标定、运动学基础。 - 熟练掌握常用图像/视频处理工具链，如 OpenCV、FFmpeg、PyAV、MMCV 等 - 具备多模态数据处理经验，精通数据清洗、格式转换、时间轴同步等核心处理流程。 - 数据工程：Spark/Flink、Airflow、Kafka、对象存储、数据湖。 - ML 工程：PyTorch 数据加载、训练数据 pipeline、特征统计、dataset registry、MLOps。 - 仿真：NVIDIA Isaac Sim/Gym/Lab、MuJoCo、Gazebo、Sim2Real 概念。 - 标注与质检：主动学习、自动预标注、人工审核流程、数据质量指标体系。 - 工程化：Docker、Kubernetes、Linux、云存储、CI/CD、监控告警。 加分项 - 做过自动驾驶、机器人、工业视觉、AIGC 多模态数据平台。 - 熟悉 imitation learning、behavior cloning、VLA、WAM数据格式。 - 有真实机器人采集经验，如机械臂、移动机器人、人形机器人、灵巧手。 - 熟悉相机/深度相机/激光雷达/力传感器/触觉传感器。 - 能定义数据质量指标，比如轨迹成功率、动作平滑度、遮挡率、标定误差、时序漂移、任务覆盖率。
