职位描述1. 闭环系统构建：搭建端侧数据采集 → 云端同步 → 训练 → 模型注册部署的全自动化流水线。 2. 模型部署与端侧集成：将微调后的模型部署到真实机器人，优化推理延迟，支持 OTA 远程更新与版本管理。 3. Human-in-the-Loop 人工介入机制：设计模型失败时的自动接管与远程遥操作接口，记录人工纠偏轨迹并自动回流至训练集。 4. Bad Case 挖掘与归因：自动挖掘失败轨迹，分类错误类型（动作抖动、碰撞、指令误解等），构建归因体系。 5. 主动学习与高价值数据调度：基于模型不确定性筛选高价值样本，分析指令覆盖度，制定数据增补计划；设计价值驱动的采样策略优先使用纠错数据。 6. 闭环回流与模型微调：建立失败片段与人工修正数据的自动回流通路，执行 SFT/LoRA 微调，量化数据增补对成功率的提升。 7. 模型评测与效果验证：设计自动化评测指标（成功率、力控稳定性、泛化能力），输出版本对比报告，定位瓶颈指导下一轮闭环。"任职要求1. 算法能力：理解模仿学习基本原理，熟悉主动学习、半监督学习；能区分数据噪声、OOD与模型容量问题；了解基于价值的采样策略及DAgger/replay buffer机制。 2. 工程能力：熟练Python，熟悉PyTorch DataLoader自定义采样器；了解分布式训练数据加载优化；有Docker及云数据同步经验。 3. 具身理解：熟悉机器人操作数据的时序结构、指令分段对齐、关节角/末端位姿/多视角视频；能判断轨迹物理合理性及纠错数据的矫正价值。 4. 加分项：具身数据闭环系统构建经验（LeRobot/Open X-Embodiment）、LoRA/SFT微调、DAgger或在线数据聚合实践。
