具身数据与仿真科研实习生

参与具身智能数据构建工作，整理第一人称视角视频、机器人示范数据、遥操作数据和仿真数据，完成图像、语言描述、手部状态及动作序列的时间对齐、格式转换和数据标准化。

组织历史第一人称视角观测、机器人动作序列及后续环境状态样本，构建支持视觉—语言—动作模型（VLA）动作学习、世界动作模型（WAM）未来状态预测以及长期价值分析的时序数据集。

建立数据质量检查与可视化分析工具，识别数据缺失、异常动作、错误标注和重复样本等问题，构建不同数据规模、质量、多样性以及第一人称视角数据比例的数据子集，为模型训练和评测提供支持。

搭建抓取、物体旋转、工具使用等灵巧手操作仿真任务，配置机器人模型、物体模型、接触参数、任务难度和任务完成条件，生成并保存完整机器人执行轨迹。

构建支持视觉—语言—动作模型（VLA）策略执行和世界动作模型（WAM）未来预测评测的仿真基准，设计未见物体、未见场景、未见视角以及不同任务难度条件下的训练集与测试集划分方案。

开发批量数据生成、仿真任务运行和实验结果导出接口，为具身模型训练、未来状态预测、长期价值分析和大规模性能评测提供可复现的实验环境。

招募对象：本科生、硕士研究生。

专业背景：计算机、人工智能、机器人、自动化、数学、计算机图形学等相关专业优先。

具备 Python 编程和基础数据处理能力，了解数组操作、文件读写、数据清洗和可视化方法，对第一人称视角视频、机器人仿真、三维场景和具身智能方向具有兴趣。

熟悉数据处理流程或机器人仿真开发，能够完成数据整理、工具开发和实验验证；具有 MuJoCo、Isaac Lab、视频数据处理、三维模型处理或机器人运动学相关经验者优先。

具备一定的机器学习、深度学习基础，了解视觉—语言模型（VLM）、视觉—语言—动作模型（VLA）、世界模型或机器人模仿学习相关概念者优先。

能够阅读英文论文、技术文档和开源项目资料，具备较强的数据检查能力和实验分析能力，能够规范维护代码、数据和实验记录。

对具身智能、机器人操作、机器人数据生成、仿真环境构建和智能体学习方向具有持续兴趣，能够主动学习相关技术并参与科研任务。

具备较强的责任心和团队协作能力，能够认真处理数据细节，稳定参与项目讨论和阶段性研究汇报。

实习安排：线上线下结合；实习周期：3–6个月；每周投入时间：20–30小时。