机器人仿真与三维场景实习生

协助搭建机器人仿真环境与数字孪生场景，支撑机器人在复杂室内外环境完成感知、导航、操作类任务仿真验证。 参与道路、园区、地下车库、公共区域等场景三维建模、场景编辑、物理参数配置与仿真资产整理管理工作。 协助搭建可复用仿真场景资产库，完成地面、墙体、柜体、门体、车辆、障碍物、锥桶等环境与作业物体模型维护。 负责仿真环境内各类传感器配置与仿真数据导出，包含 RGB 相机、深度相机、激光雷达、IMU、热成像等设备建模调试。 完成仿真场景随机化参数配置，调节光照、材质、遮挡、物体位姿、摩擦、噪声、碰撞等变量，提升算法真实场景泛化能力。 协助对齐仿真机器人与真机硬件参数，统一模型尺寸、关节限位、碰撞体、末端工具、传感器安装位姿。 配合感知、SLAM、运动控制、任务规划团队开展仿真测试，完成路径验证、碰撞检测、极限工况、可达性仿真实验。 参与 3D 视觉相关辅助工作，包含点云 / 深度图处理、三维目标标注、相机标定、位姿辅助估算、三维数据质检。 对比仿真数据与真实采集数据差异，协助搭建识别、场景理解、机器人操作任务专用数据集。 整理规范仿真工具链、资产命名规范、数据导出流程、标准化测试用例，提升团队仿真与数据生产效率。

1. 01

   基础通用能力（Base） 熟悉 Linux / Ubuntu 开发环境，具备基础工程开发与问题调试能力； 熟练使用 Python，有基础 C++ 读写开发能力，可独立编写仿真脚本、数据处理工具； 接触过机器人仿真、三维建模、游戏引擎任意一类工具链； 掌握三维基础数据格式概念：mesh、点云、深度图、位姿、相机内外参、坐标变换； 理解机器人坐标系体系，熟悉 TF 变换、相机外参、三维空间几何关系； 具备场景搭建能力，可根据测试需求搭建可运行、可复用仿真环境； 习惯标准化工程管理，可维护模型、脚本、配置与文档，保证多人协作场景可复现； 具备机器人系统基础认知，可配合感知、SLAM、运控等模块协同开发测试。

2. 02

   专项技术方向（满足其一即可） *方向 A：机器人仿真与数字孪生 接触 Isaac Sim、Gazebo、MuJoCo、PyBullet、Unity、Unreal、Webots、CoppeliaSim 任一仿真平台； 能够完成机器人、传感器、作业对象模型导入、配置调试； 了解 URDF、MJCF、USD、FBX、GLTF 等至少一种模型文件格式； 可配置刚体、碰撞体、关节约束、惯量、摩擦、传感器等仿真物理属性； 能够面向机器人任务搭建可测试仿真场景，不局限静态三维展示； 有机械臂、移动机器人、人形机器人仿真项目经验优先。 *方向 B：复杂场景建模与资产管理 具备三维场景搭建实操，可完成室内、车库、园区、柜体、障碍物等场景资产建模整理； 会使用 Blender、SketchUp、Maya 等任意三维建模工具； 可依托实拍图、CAD、点云数据还原真实仿真场景； 能够搭建标准化复用资产库，统一模型命名、层级、材质、尺寸、碰撞体； 理解光照、反光、遮挡、材质对视觉传感器仿真效果的影响； 有程序化随机场景生成、合成数据制作相关经验优先。 *方向 C：3D 视觉与传感器数据处理 会使用 OpenCV、Open3D、PCL、NumPy、PyTorch3D 等视觉数据处理工具； 熟悉相机成像模型、深度图、点云、标定、三维投影、坐标变换原理； 能够处理 RGB-D、激光雷达、多相机仿真数据； 辅助完成物体位姿估计、场景几何分析、机器人可操作区域判断； 配合算法工程师完成仿真数据生成、标注、质检、虚实数据差异分析； 有机器人视觉、三维重建、NeRF/Gaussian Splatting 相关学习或项目经历优先。 加分项 参与过机器人仿真平台从零搭建相关工作； 有 Isaac Sim、Omniverse、Gazebo、MuJoCo、Unity、Unreal 落地项目经验； 做过机械臂、四足、人形、移动机器人或自动驾驶仿真开发； 仿真中完成过抓取、推门、按钮按压、搬运、工具操作等实操任务验证； 独立完成车库、园区、工厂、仓储等大型复杂场景建模； 掌握 Domain Randomization、合成数据集生成、Sim2Real 虚实迁移相关技术； 熟悉 ROS / ROS2，可将仿真环境接入机器人算法开发链路； 掌握相机、激光雷达、IMU 仿真配置与标定完整流程； 接触 3DGS、NeRF、点云配准、SLAM 地图重建、三维重建相关内容； 有机器人竞赛、开源仿真项目、数字孪生相关完整项目经历； 会使用 Claude Code、Codex 等 AI 工具辅助脚本与仿真开发。 工作方式 强场景理解：仿真不只是搭建静态模型，需围绕机器人真实作业任务搭建可迭代、可复现的测试场景； 强工程落地：打通三维资产、机器人模型、传感器、物理参数与算法接口，输出可直接运行的仿真系统； 跨团队协同：紧密配合感知、SLAM、运控、任务规划工程师，支撑算法迭代与真机预验证； 关注虚实差异：重点解决仿真与真实世界在光照、噪声、材质、碰撞、传感器误差带来的偏差； 快速迭代能力：按需快速新建场景、物体、测试用例，持续支撑机器人系统优化； 数据导向思维：仿真兼顾算法演示与训练数据生成，支撑问题复现、失败案例分析与模型迭代。