职位描述1. 负责大规模 UMI、Ego 及机器人操作数据的质量评估、清洗、筛选和数据配方优化，提升预训练数据的有效信息密度。 2. 研究视觉质量、运动轨迹、时序同步、动作合理性、视频-动作一致性等自动化质量检测与异常识别算法。 3. 建设数据多样性、覆盖度、重复度、任务难度及模型训练价值等评估体系，探索基于视觉表征、轨迹表征及模型反馈的数据筛选方法。 4. 通过数据消融、数据混合比例实验及下游真机评测，建立数据质量与模型性能之间的量化关联，持续提升训练数据利用效率。任职要求1. 具有计算机视觉、多模态学习、机器人学习或机器学习相关研究经验。 2. 熟悉视觉特征提取、Embedding、聚类、异常检测、视频理解及大规模数据分析方法。 3. 熟练掌握 Python、PyTorch，具备算法原型开发及大规模数据处理能力。 4. 有机器人轨迹数据清洗、多模态数据治理、Data Curation、主动学习或数据选择研究经验者优先。
