岗位职责
- 仿真系统搭建：基于 Isaac Sim/Isaac Lab/MuJoCo 等平台，从 0 到 1 构建高保真仓储仿真环境（货架、料箱、输送线、工位）与具身智能数字孪生（单/双机械臂、人形机器人、移动底盘、夹抓/吸盘），完成动力学参数与多传感器（RGB-D、LiDAR、力/触觉）建模标定。
- 仿真基础设施：搭建 GPU 集群并行仿真与训练框架，建设 SKU 资产库、自动布局/场景随机化、任务生成、自动重置与实验追踪工具链，支撑大规模策略 Rollout。
- 动力学建模，对机器人本体、关节、执行器建立高保真动力学模型；接触、摩擦、柔性/软体等物理现象的建模与调参。
- 三向迁移能力：负责 Sim2Sim（跨引擎/跨场景一致性验证）、Sim2Real（域随机化、系统辨识、传感器噪声与时延建模）、Real2Sim（真机数据反向重建场景与参数），持续收敛仿真-真实差距。
- 数据与评测：规模化生产合成数据并对齐真机格式（LeRobot/Parquet/RLDS/NPZ），建立仿真质检与标准化 Benchmark，支撑策略上真机前的可复现回归验证。
职位要求
- 计算机/自动化/机器人/图形学相关专业，扎实的 Python/C++ 与 Linux 工程能力。
- 深度使用过至少一种主流仿真平台，理解刚体动力学、接触求解与调参。
- 熟悉 USD/URDF/MJCF，具备完整的机器人建模与场景搭建经验。
- 多体动力学，关节约束、FK/IK，摩擦锥，软/硬接触模型，碰撞检测(GJK/EPA)；熟悉数值积分。
- 了解模仿学习/强化学习/VLA 训练流程及合成数据的作用与局限。 加分项
- 有 Sim2Real 落地案例：仿真策略成功部署真机。
- 有 Real2Sim 经验：NeRF/3DGS 资产扫描重建、真机参数辨识。
- 有大规模合成数据（MimicGen/DexMimicGen、域随机化管线）经验。
- 有 Isaac Lab/Isaac Gym GPU 并行训练基础设施经验。
- 有仓储物流场景理解，或 CoRL/RSS/ICRA/IROS 论文、优质开源项目。
