岗位职责
- 负责具身智能数据平台的搭建与开发，构建覆盖采集、处理、标注、质检全链路的自动化数据管线，支撑大规模机器人学习数据的高效生产；
- 研发基于三维重建的场景与物体数字化技术（如 NeRF、3D Gaussian Splatting、MVS 等），构建高保真三维资产库，为仿真环境与合成数据生成提供基础数据支撑；
- 开发人体与手部运动建模系统，涵盖全身动作捕捉、灵巧手姿态估计、人手-物体交互重建等，将人类示范数据高效转化为机器人可用的训练数据；
- 设计并实现自动化/半自动化标注系统，结合视觉基础模型（SAM、GroundingDINO 等）与主动学习策略，实现操作任务中关键语义信息（动作分割、接触检测、物体状态等）的高效标注；
- 搭建多模态数据采集系统，集成多视角相机、深度传感器、力/触觉传感器、动捕设备等，设计标准化采集流程，保障数据质量与一致性；
- 建立数据质量评估与治理体系，开发数据清洗、去重、平衡、增强等工具，构建面向机器人操作任务的高质量 benchmark 数据集；
- 与算法团队紧密协作，根据模型训练需求（VLA、World Model、RL 等）定义数据规格，推动数据驱动的算法迭代闭环。
- 计算机科学、计算机视觉、机器人学、自动化、人工智能等相关专业硕士及以上学历；
- 扎实的编程能力，精通 Python，熟悉 C/C++，有大规模数据处理系统开发经验；
- 在以下方向中的至少一个具备深入的研究或工程经验： -三维重建与场景理解：熟悉 NeRF、3DGS、SfM/MVS、TSDF 等三维重建方法，了解 Open3D、COLMAP 等工具链； -人体与手部建模：熟悉 SMPL/MANO 等参数化人体模型，有动作捕捉数据处理、手部姿态估计、人手-物体交互建模经验； -自动化标注与数据管线：熟悉视觉基础模型（SAM、CLIP、GroundingDINO 等）的工程化应用，有大规模标注平台或数据管线开发经验； -采集系统与传感器集成：熟悉 RealSense/ZED 等深度相机、OptiTrack/Vicon 等动捕系统、ROS 数据录制与同步；
- 熟悉主流深度学习框架（PyTorch），有模型训练与数据预处理的实际经验；
- 具备良好的工程能力，有分布式存储、数据库、ETL 管线等相关开发经验者优先。
职位要求
招聘官网未单独提供职位要求，请前往官网核实。
