职位描述1. 负责第一视角人体与手部姿态估计算法的选型、自研与调优：2D/3D 关键点检测、时序跟踪与三维重建，从双目和四目视频中提取腕部位姿与手指关节参数； 2. 提升遮挡、快速运动、光照变化与手部出画等复杂条件下的鲁棒性，这些情况在第一视角采集中是常态； 3. 建设动作重定向算子：把人手的关节参数映射为目标本体（夹爪、灵巧手、机械臂）可执行的动作标签，处理自由度不匹配与工作空间差异； 4. 建设并维护目标本体库：各型号本体的逆运动学、碰撞体与关节限位模型，支持按任务单指定本体做判定； 5. 可执行性判定：对每条动作按目标本体判定逆运动学可解率、自碰撞、关节限位、力的合理性与轨迹平滑度，输出可执行与否及原因码，作为动作标签的入库校验规则。要求同一段数据跑两遍结果一致、客户可按公式自行验算； 6. 建立姿态与动作标签的精度评估与自动化质检流程，给出可复现的姿态误差与重定向误差结论； 7. 与硬件、产品团队协同定义第一视角采集规范与数据标准，包括相机布局、视场角与佩戴方式；把姿态解算的失败情形反向转化为采集规范的修订。任职要求1、2027 届硕士及以上学历，计算机视觉、机器人学或相关专业； 2、多视几何、最优化与概率统计基础扎实，有从原始视频到姿态序列完整链路的实操经历；理解相机自运动与手部运动的解耦，能把相机系下的姿态换算到世界系； 3、熟练使用 PyTorch，熟悉手部与人体参数化模型（MANO、SMPL-X）以及基于其的姿态恢复方法（HaMeR、WiLoR 一类），了解遮挡鲁棒与手物交互联合估计的思路，能训练、调优并部署； 4、具备机器人运动学基础：理解末端位姿与关节角动作空间、逆运动学、碰撞检测与坐标变换，能判断一条重定向后的动作是否可执行； 5、有误差分析与真值对比的实操，能把姿态与重定向的精度说成可复现的数字； 6、熟练使用 Claude Code、Codex 等 AI 编码工具，熟悉 Agent 框架与工作流编排。 加分项 1、有人体或手部 3D 姿态估计、动作捕捉方向的论文或项目； 2、有人类动作到机器人（人形、灵巧手）重定向的实操； 3、有第一视角（egocentric）数据处理经历。
