职位描述
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构建任职要求
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
