岗位职责
- 建设多源异构数据统一管线：覆盖真机采集数据（跨本体、多传感器）与仿真数据的接入、清洗、转换、质检、存储和分发，实现不同来源数据的标准化汇聚
- 负责多模态机器人数据的Schema设计与标准化：覆盖图像、深度图、点云、IMU、关节角、轨迹、动作、语义标注、传感器参数等，兼容统一/自有格式规范，支持对接开源数据集
- 设计并搭建分布式仿真调度系统：支持大规模环境实例跨多GPU/多节点的调度、监控与弹性扩缩
- 构建数据质量过滤与异常检测模块和建设数据版本管理与血缘追踪体系
- 搭建数据导出与训练对接服务：按训练需求灵活导出真机+仿真混合数据子集，支持增量更新与数据混合策略（如Sim2Real增广比例调配）
- 与仿真引擎、算法训练、机器人本体和平台工程团队协作，打通数据从采集/生成到训练、评测、分析和可视化平台的完整链路
职位要求
- 计算机系或者相关方向本科及以上学历
- 3年以上后端/数据工程经验，熟悉分布式任务调度框架（Ray / Celery / Airflow / 自研调度器）
- 熟悉大规模多模态数据处理：高性能序列化（Parquet / HDF5 / TFRecord / WebDataset）、对象存储、数据湖架构
- 具备GPU集群管理经验：了解多GPU资源分配、显存监控、任务队列管理
- 编程能力强（Python为主，Go/Rust加分），有生产级数据系统的设计与运维经验 加分项
- 有机器人多模态数据处理经验（视觉、力觉、本体感知等），理解不同传感器数据的采集机制与对齐方式
- 了解RL训练数据格式与需求（轨迹结构、经验回放缓冲区、数据集Schema），有ML Infra经验
- 有仿真平台对接经验（Isaac Sim / MuJoCo / Gazebo），理解rollout数据的产生机制
- 熟悉数据版本管理工具（DVC / LakeFS / Delta Lake），有数据血缘追踪实践
- 熟悉Kubernetes / Docker，能构建弹性伸缩的计算集群
