数据算法

背景

数据质量是具身大模型能力的核心决定因素。我们需要构建覆盖互联网视频、真机操作数据、仿真合成数据的全链路数据体系，为预训练与后训练团队持续提供高质量、多样化的训练燃料。

岗位职责

• 建设多模态数据 pipeline，覆盖互联网视频、具身操作视频与轨迹数据的采集、清洗、标注、管理全流程。
• 设计具身操作视频的自动化质量控制体系，包括异常帧检测、任务片段切分、多视角时序对齐。
• 统一异构轨迹数据格式（RLDS / HDF5 / ROS bag），建立轨迹质量评估与过滤标准。
• 搭建仿真数据合成工厂，实现场景 / 物体 / 光照的程序化随机化，支持百万级轨迹的规模化生产。
• 基于 VLM 构建视频 / 轨迹的自动标注 pipeline，降低人工标注成本。
• 搭建 Agent 框架，实现仿真资产、仿真场景的自动化链路。
• 优化仿真效果，从生成质感和物理效果上逼近真实数据。

任职要求

• 相关方向本 / 硕士，有大规模数据 pipeline 工程实际经验。
• 了解具身数据格式标准（RLDS、LeRobot、Open X-Embodiment）者优先。
• 有游戏引擎 / 仿真平台（UE / Isaac / MuJoCo）使用经验者优先。