Data Platform：具身数据研究

负责具身模型训练的数据策略设计，面向 VLA、世界模型、模仿学习和强化学习等方向，定义训练所需的数据类型、模态组合、任务分布、场景与物体覆盖、本体多样性、轨迹时长及成功与失败样本配比。 制定真实机器人、遥操作、人类视频、仿真数据及互联网视频等数据的获取方案，明确任务类型、动作类型、环境条件、传感器配置、数据规模、采集规范和验收标准，推动内部采集、第三方定制采集或外部数据采购。 负责具身多模态数据的清洗、加工与信息提取体系建设，覆盖视频、图像、深度、点云、语言、机器人本体状态、动作轨迹、力觉及触觉等数据的解析、时间对齐、过滤去重、异常检测、轨迹切分和格式转换；研究人体姿态、手部动作、物体状态、接触状态及任务阶段提取，以及人类动作到机器人动作的运动重定向。 建立具身数据质量评估与版本管理体系，从数据完整性、视觉质量、动作有效性、轨迹质量、任务覆盖度、数据多样性和分布平衡等维度评估数据，分析不同数据组成对模型能力的影响，推动数据获取、处理、训练、评测和失败样本回流的闭环迭代

计算机、人工智能、自动化、机器人工程、计算机视觉、电子信息等相关专业硕士及以上学历，博士优先。具备 3 年左右具身智能、机器人数据、多模态数据或相关领域工作经验。 编程与算法基础扎实，熟练掌握 Python、PyTorch 和 Linux 开发环境，具备大规模视频、机器人轨迹或多模态数据处理经验。 熟悉具身智能数据的主要模态和数据结构，理解机器人观测空间、状态空间、动作空间及轨迹表示，了解 VLA、世界模型、模仿学习或强化学习对训练数据的需求。 具备机器人数据处理、视频理解、人体姿态估计、手部动作提取、动作捕捉、运动重定向或三维视觉中的一项或多项深入经验，能够独立制定数据方案，并根据模型训练和评测结果推动数据迭代