职位描述
项目背景：构建下一代通用具身智能系统。面向灵巧手、机械臂及多形态机器人本体，打造具备高度泛化能力的“通用大小脑”架构，并通过高量仿真、世界模型和数据闭环，支撑大规模机器人策略学习与真实场景泛化。团队正在建设面向具身智能的仿真与世界模型基础设施，目标是实现高效、可扩
展、可并行的数据生成与模型训练能力，持续提升 VLA、小脑策略和具身 Agent 在复杂物理任务中的表现。
具身仿真平台建设-负责搭建和优化面向机械臂、灵巧手、移动机器人等本体的仿真环境，包括资产管理、场景生成、物理参数配置、任务定义、传感器模拟与评测接口。
高效数据生成系统开发-设计大规模并行仿真与数据采集流程，构建可自动化生成多模态轨迹数据、交互数据、失败样本、长程任务数据的数据管线。
世界模型研发-探索面向具身任务的世界模型，包括环境状态预测、视觉动态建模、物体交互建模、动作后果预测、可控视频生成、隐空间动力学建模等方向。
Sim2Real 与数据迁移-开发域随机化、系统辨识、数据增强、仿真到真实迁移、真实数据回灌等技术，提升仿真数据对真机策略训练和评测的有效性。
并行模型训练与评测-搭建支持大规模并行训练、分布式数据加载、在线评测、自动化实验管理的训练基础设施，提升 VLA、策略模型、世界模型等训练迭代效率。
数据闭环与平台化能力建设-与算法、Agent、机器人系统团队协作，建设从仿真生成、数据筛选、模型训练、仿真评测、真机验证到数据回流的闭环系统。任职要求
仿真平台经验：熟悉 Isaac Sim/Isaac Gym、MuJoCo、Genesis、SAPIEN、PyBullet、
Gazebo 等主流仿真平台中的一种或多种，理解机器人仿真、物理引擎、碰撞检测、传感器模拟和并行环境管理。
机器人基础：了解机器人运动学、动力学、控制接口、关节空间/笛卡尔空间控制、轨迹表示、机械臂/灵巧手/移动机器人任务流程。
世界模型与生成模型：理解 Transformer、VAE、Diffusion、Flow Matching、
Video Prediction、Latent Dynamics Model 等模型原理，有世界模型、视频生成、动作条件生成或环境动态预测经验更佳。
强化学习与模仿学习：熟悉 Gymnasium 接口标准，了解 RL、IL、OfflineRL、
数据驱动策略学习、轨迹采样、奖励设计、评测指标等基本方法。
大规模数据工程：具备多模态数据生成、清洗、标注、筛选、压缩、存储、版本管理和可视化经验，能够构建稳定的数据生产与消费管线。
分布式训练能力：熟悉 PyTorch，了解 DDP、FSDP、DeepSpeed、Ray、Slurm、Kubernetes 等分布式训练或任务调度工具中的一种或多种。
工程实现能力：具备良好的 Python 编程能力，有 C++/CUDA/ROS/机器人 SDK/高性能计算优化经验更佳。
AI 赋能能力：充分拥抱AI，善于借助 codeagent、自动化工具和大模型提升研发效率；同时对交付质量负责，在保证质量的前提下提升效率。
有机器人仿真、强化学习、世界模型、多模态生成、自动驾驶仿真、游戏引擎、分布式训练平台或大规模数据系统等相关领域 实习经验。
