职位描述岗位方向：大规模数据工程 / 数据基础设施 / Data Pipeline 1. 负责具身智能基础模型预训练数据管线建设，覆盖 UMI、Ego、Teleop 等多源数据的接入、解析、标准化、存储、版本管理及训练数据交付。 2. 建设十万小时级数据处理与训练供给系统，实现大规模数据的自动化清洗、转换、索引、高效加载及分布式训练数据流。 3. 建立数据采集、质量评估、模型训练和评测反馈的闭环机制，支持基于模型表现的数据筛选、重采样及数据配方持续优化。 4. 持续优化数据处理吞吐、训练 I/O 效率及数据生产周期，提升基础模型研发迭代效率。任职要求1. 熟练掌握 Python/C++，具有大规模数据处理、分布式计算或机器学习数据基础设施建设经验。 2. 熟悉 PyTorch Dataset/DataLoader、Ray、Spark、WebDataset、Parquet 等相关技术中的一种或多种。 3. 对数据存储、流式加载、并行处理、数据版本管理及性能优化有实际工程经验。 4. 有大模型预训练数据管线、机器人数据平台或多模态数据基础设施经验者优先。
