具身智能数据与预训练工程师

团队目标：构建跨任务、跨场景、跨机器人平台泛化的Unified Action Model，利用开源具身数据、真实机器人遥操作数据及自采集UMI数据，建立从数据采集、处理、质检、训练到模型反馈的完整闭环，走开源路线并发布技术报告总结探索成果。

岗位职责：

1. 接入并统一开源具身数据集与内部UMI采集数据为预训练和下游微调适配格式。

2. 分析机器人轨迹数据，处理多视角视频、语言指令、动作等多源信息的同步、对齐与质量问题。

3. 建设数据清洗、轨迹切分、回放、可视化和自动质检工具，提升数据流转效率。

4. 用AI Coding工具搭建数据浏览器、episode回放器、异常检测脚本、数据统计仪表盘等原型。

5. 与算法团队协作分析模型失败案例，定位问题根源。

6. 参与预训练数据混合、质量标准和采样策略设计。

7. 跟进并评估高质量开源具身数据的差异与适用性。

任职要求：

1. 对数据质量敏感，能发现异常轨迹、缺帧、时间错位等数据问题。

2. 熟练使用Cursor、Claude Code、Codex等AI Coding工具。

3. 理解机器学习基本流程，知晓数据相关因素对模型训练的影响。

4. 具备良好工程习惯和数据思维，对机器人学习/具身智能有兴趣。

加分项：

1. 有机器人、自动驾驶、多模态、视频或轨迹类数据处理经验。全日制硕士及以上学历。

2. 了解UMI/ALOHA/DROID/BridgeData/Open X-Embodiment/RLDS/RoboMimic等数据或工具。

3. 熟悉HDF5、Zarr、Parquet、TFRecord、PyTorch Dataset等任意一种数据格式或加载方式。

4. 掌握末端执行器位姿、关节位置、增量动作、夹爪状态、相机标定、时间戳对齐等机器人数据概念。

5. 有模仿学习、机器人学习、多模态预训练、轨迹建模或动作模型相关经验。

6. 有开源项目参与经验，或愿意沉淀可复用工具和技术文档。

岗位重要性：具身模型上限很大程度取决于数据，数据相关判断直接影响模型效果。该岗位不仅是处理数据，更是参与构建机器人从真实世界经验中学习动作能力的基础设施，可参与预训练数据体系搭建、模型训练闭环及开源工具建设和技术报告产出。