职位描述
我们正在为下一代具身基座模型 / VLA（视觉-语言-动作）模型打造覆盖全生命周期的训练数据平台，贯通预训练到后训练的完整链路。
我们处理的不是单一来源的数据，而是一座完整的 具身数据金字塔——跨越多种采集形态，以及保真度与规模之间的权衡。
以下四个方向，精通其一即可投递，具备跨方向能力者优先：
方向一 · 数据标注 能做 ego hand / body pose、物体 2D/3D bbox/pose、retargeting、subtask / CoT（思维链）标注等具身标注任务，并能向动作-结果因果、交互类型等高阶语义标注延伸；具备云端预标注模型闭环经验，能通过 issue 数据反哺模型、逐步提升自动标注精度，形成「人修一批、模型进一步、自动化覆盖更多」的正循环。
方向二 · 数据挖掘 数据挖掘是整个数据体系「可解释、可配比、可分析」的基石——唯有在多维标签体系下把每一条数据精准刻画，后续的分布分析、配比优化与定向补采才有依据。你需要构建覆盖场景 / 光照、原子动作语义库（grasp / pick / place / pour 等）、动作速度与质量、轨迹光滑度与多样性、接触类型、失败模式、任务复杂度等多维度的大规模标签体系；并基于多模态 Embedding 搭建向量数据库，支撑大规模相似度检索、去重清洗、长尾 / corner case 挖掘与跨场景检索。同时能灵活组合规则方法与 AI / 模型方法开发各类挖掘算子，在保证精度的前提下兼顾成本与规模化生产。
方向三 · 数据 Pipeline 设计过复杂的大型数据 Pipeline 框架，能把数采入库、标注、挖掘清洗、统计等环节编排成稳定高效的生产链路，对吞吐效率、数据折损率、任务调度与容错等核心指标有深入的优化经验；能将 Agent 引入数据生产与运营，实现数据流转、异常处理与开发工作的自动化。
方向四 · 数据质量与价值评估 能设计多维度的质量与价值评估体系，对数据做系统化度量与分级：既能在基础信号层把控数据质量（Image&Action 时间对齐、内外参管理、图像质量评估等），也能在语义层评估数据的有效性与稀缺价值——识别长尾与冗余，衡量同类任务的完成方式多样性；并将「质量分 / 稀缺价值度」转化为可执行的采样、配比与定向补采策略，持续优化数据集的整体质量与分布。任职要求
硕士及以上学历优先，计算机、人工智能、机器人学或相关交叉专业；
有海量非结构化噪声数据（自动驾驶长尾、具身 / 众包标注数据等）的清洗、挖掘与评测实战，较强的 Bad Case 归因与算法迭代能力；
具备基本的机器人运动学与动力学基础。
以下加分项，满足其一即有竞争力：
具备模型训练经验，能从训练侧视角反推数据问题、推动数据工作并取得明确成果；
熟悉 LeRobot、Open X-Embodiment 等主流具身数据格式，有真机遥操作 / UMI / 仿真 / AIGC 数据合成及 Sim2Real 相关经验；
有借助 Agent 做数据运营 / 自动化开发的实践经验；
在 RSS、CoRL、ICRA、IROS、CVPR、NeurIPS 等顶会以一作发表过论文。
立即投递
