人机交互算法工程师-27届

构建面向机器人的多模态交互Pipeline：融合视觉/语音/语言输入，将数字人动作生成逻辑转化为机器人可执行的关节轨迹/行为指令，兼顾运动学约束与交互自然性。

将2D/3D数字人领域的成熟技术适配到机器人平台，解决机器人在人机交互中的肢体表达、手势协同、非语言反馈等关键问题。

针对机器人物理限制（自由度、运动范围、延迟、安全性），对源自数字人的动作序列进行重定向（Retargeting）、平滑优化与可行性校验，确保生成动作在真机/仿真环境中稳定可执行。

独立设计迁移验证方案，在Isaac Sim/MuJoCo等仿真环境及真实机器人平台上完成算法闭环测试，量化评估交互自然度、响应延迟与用户接受度。

与机器人控制、感知、语音团队紧密协作，推动“数字人交互逻辑→机器人行为落地”的技术转化，沉淀可复用的跨域迁移方法论

硕士及以上学历，计算机、人工智能、机器人、动画或相关专业背景。

具备2D/3D数字人研发经验（如动作生成、语音驱动、表情/手势建模、SMPL/SMPL-X/FLAME应用等），并清晰理解如何将虚拟动作映射到物理实体，有跨域迁移实践者优先。

熟悉多模态交互技术栈，了解LLM/VLM在意图理解中的应用，熟练掌握Transformer、Diffusion等生成架构，关注时序连续性与物理可行性约束。

熟练使用PyTorch，了解机器人基础概念（如正/逆运动学）；掌握3D工具链（Unity/Unreal/Blender/PyTorch3D）与Python/C++工程能力。

有具身智能、机器人仿真（Isaac Gym/MuJoCo）、sim2real迁移经验，或在CVPR/ICCV/SIGGRAPH/ACM MM/IROS等顶会发表论文者优先。

逻辑清晰，具备技术抽象与跨域迁移思维，能快速学习机器人领域知识，对“用数字人技术赋能实体机器人交互”有强烈自驱力