职位描述
岗位方向
逆矩阵正在研发面向物理智能的 Action-Conditioned World Model，学习并预测动作干预下的世界状态转移。
我们希望构建丰富、可控、可验证的仿真环境，为世界模型和具身智能研究提供高质量的交互资产、合成数据与评测任务。你将参与从 3D 资产生成、物理属性配置、场景构建到数据采集与 Benchmark 验证的完整流程，支持模型理解物理世界、预测动作结果并完成具身任务。
岗位职责
1、3D 仿真资产生成与处理：探索程序化建模、3D 生成模型及现有资产的自动化处理方法，构建物体与场景资产；完成尺度归一化、网格清理、碰撞体构建、材质及物理参数配置，支持刚体与关节物体的交互仿真。
2、场景与任务构建：围绕抓取、搬运、堆叠、开合等操作任务，搭建具有多样物体、空间布局和交互条件的仿真场景，设计任务初始化、动作接口、成功判定与失败条件。
3、仿真数据合成：开发自动化数据采集流程，生成多视角 RGB/RGB-D 视频、相机参数、物体位姿、机器人状态、动作轨迹及接触事件等数据，支持场景随机化、轨迹筛选与数据质量检查。
4、具身 Benchmark 搭建：参与任务集、数据划分、评测协议和基线实验设计，评估模型或策略在物体交互、动作响应、长时序任务及分布外场景中的表现。
5、物理有效性与质量验证：建立资产、场景和轨迹的自动化检查方法，识别碰撞穿透、尺度错误、关节异常、物体不稳定及任务不可完成等问题，形成可追踪的质量指标。
6、工具与研究协作：与模型、数据及评测团队协作，完善资产与数据管理、批量仿真、实验复现和结果分析工具，支持研究实验及 Benchmark 开源。任职要求
1、计算机、机器人、人工智能、计算机图形学、自动化等相关专业在读，具备良好的编程与问题分析能力。
2、熟悉 Python 和 Linux，能够编写数据处理、批量任务执行及实验分析脚本，具备基本的 Git 使用与工程协作能力。
3、在以下至少一个方向有项目或研究经验：
三维建模、程序化资产生成、3D 内容生成或几何处理；
机器人仿真、物理仿真、具身智能或机器人学习；
合成数据生成、数据集建设或 Benchmark 开发。
4、理解三维坐标系、位姿变换、相机模型等基础知识；对碰撞检测、刚体动力学或关节约束有基本了解，愿意深入处理仿真中的实际问题。
5、能够围绕明确目标完成工具开发、实验验证与结果分析，重视数据质量、文档记录和实验可复现性。
加分项
1、使用过 MuJoCo、Isaac Sim/Lab、ManiSkill、Habitat、PyBullet 等仿真平台之一。
2、熟悉 Blender Python、USD/URDF/MJCF、网格处理或碰撞体生成，有资产自动导入与验证经验。
3、有 text-to-3D、image-to-3D、关节物体生成、场景生成或程序化建模经验，能够将生成结果转化为可交互的仿真资产。
4、有机器人操作数据采集、运动规划、强化学习、模仿学习或 sim-to-real 项目经验。
5、构建过合成数据集、具身任务集、自动评测工具或开源项目；有相关论文、技术报告或可展示的项目成果。
