具身智能标注算法工程师

研发基于大模型（VLM/SAM/CLIP/ViT等）的自动化标注算法，运用目标检测、特征匹配、多视图几何、PnP求解等计算机视觉技术，实现机器人操作场景中物体6D姿态估计、语义/实例分割、接触点检测及操作轨迹的自动化预标注；

设计主动学习策略，基于视觉模型不确定性估计从海量无标注数据中自动挖掘高价值难例，以最小人工标注成本持续提升模型性能；

开发人机回环标注工具链，优化标注交互体验，支持遥操作数据的高效回采、校正与可视化验证；

研究Sim2Real数据分布对齐算法，利用Diffusion/NeRF/3DGS等生成式技术进行数据增强与自动化标注，消除仿真与真实数据在纹理、光照、动力学特性上的分布差异；

基于物理仿真引擎（Isaac Sim/MuJoCo/PyBullet）构建合成数据生成管线，负责自动化标注部分的工程落地与质量把控；

构建面向具身机器人的大规模多模态数据ETL流水线，完成视觉（RGB-D/激光雷达）、力觉、触觉、本体状态（关节角/力矩/速度）及动作指令等异构数据的转换、清洗与同步；

解决多传感器时间同步、空间标定对齐及数据丢包修复等工程问题，利用相机标定、多视图几何等方法确保数据时空一致性；

建立数据质量评估体系，定义并量化数据的多样性、复杂度及有效性，通过分析模型Bad Case反向定位数据缺陷，制定针对性采集与清洗策略；

负责数据集版本管理（DVC），追踪数据变更对模型性能的影响，驱动“数据采集→标注→训练→评测”正向飞轮闭环；

将标注算法固化为可复用、可扩展的工程化模块，保障标注系统在真实生产环境中的高吞吐、高稳定运行

全日制本科及以上学历（985/211院校优先），计算机科学、机器人、人工智能等相关专业；

具有3年以上计算机视觉、具身领域相关研发经验，有自动驾驶、具身智能行业标注算法经验者优先；

具备较好的代码能力，精通Python，熟练掌握 C++ 进行高性能数据处理，且有良好的工程化编码习惯，熟悉代码规范、单元测试与CI/CD；

具备计算机视觉背景，深入理解目标检测、语义/实例分割、姿态估计、多视图几何、相机标定、特征提取与匹配、PnP求解等核心CV任务；

理解计算机视觉（CV）、自然语言处理（NLP）或强化学习（RL）基础，熟悉主流预训练模型（如 CLIP, SAM, ViT）的推理与微调；

了解机器人运动学/动力学基础，熟悉 ROS/ROS2 系统，理解传感器（激光雷达、深度相机、IMU）特性者优先；

具备较强自驱力与目标感，能够主动推进工作；

有开源数据标注平台（如 CVAT, Label Studio）二次开发或贡献经验优先；

熟悉端到端策略学习（End-to-End Policy Learning，如 Diffusion Policy, ACT）的数据格式要求优先