地平线【地瓜机器人】具身智能云与AI Infra解决方案架构师
任职要求
1、本科及以上学历，计算机、人工智能、机器人、自动化、电子工程、通信等相关专业优先。 2、具备 3 年以上云计算、AI Infra、GPU 算力平台、机器人 / 自动驾驶基础设施、解决方案架构或售前技术相关经验。 3、对具身智能或机器人数据链路有实际理解，熟悉至少部分数据类型与处理流程，如多模态传感器数据、图像 / 视频、点云、轨迹、控制指令、仿真数据、标注数据、训练数据集、评测集等。 4、不仅能够讲解方案，还具备一定实操能力，能够参与 PoC 环境搭建、基础性能验证、训练 / 推理任务验证、数据链路验证或平台功能验证。 5、熟悉 GPU 算力基础设施，包括 GPU 服务器、CUDA、NCCL、RDMA、InfiniBand / RoCE、高性能存储、集群调度、资源隔离、监控告警等。 6、熟悉云计算与云原生技术栈，包括 IaaS、VPC、对象存储、文件存储、块存储、Kubernetes、容器镜像、负载均衡、权限、安全、监控等。 7、熟悉 AI 平台能力，包括训练任务管理、Notebook、数据集管理、模型管理、分布式训练、推理服务、资源调度、可观测性、权限管理等。 8、理解具身智能典型工作流，包括数据采集、数据治理、仿真训练、模型训练、模型评测、Sim2Real、边缘推理、云边协同、数据回流等。 9、熟悉至少一种 AI Infra / 训练推理生态工具，如 PyTorch、Ray、Kubeflow、Slurm、Volcano、DeepSpeed、Megatron-LM、Triton In…
工作职责
1、面向具身智能、机器人、自动驾驶、工业智能等客户，负责云平台、GPU 算力平台、AI Infra 相关解决方案设计、售前支持与 PoC 落地。 2、深入理解具身智能业务链路中的数据形态和计算需求，包括机器人日志、传感器数据、图像 / 视频、点云、轨迹数据、仿真数据、标注数据、训练样本、评测数据等。 3、能够围绕数据采集、数据清洗、数据标注、数据管理、数据回流、仿真数据生成、训练数据集构建、模型评测等环节，设计相应的数据与算力基础设施方案。 4、基于客户实际业务场景，拆解训练、仿真、评测、推理、云边协同等任务对 GPU、CPU、存储、网络、调度系统和平台能力的要求。 5、设计并推动 GPU 集群、AI 训练平台、仿真平台、数据闭环平台、推理服务平台、MLOps 平台等方案落地。 6、负责客户技术交流、需求调研、架构设计、PoC 测试、方案讲解、招投标支持和技术答疑，能够将客户需求转化为可验证、可交付的技术方案。 7、编写解决方案文档、架构图、测试方案、部署方案、标书材料和客户汇报材料。 8、协同销售、产品、研发、交付和生态伙伴团队，推动客户项目从售前验证到交付实施，并沉淀可复制的行业方案。 9、跟踪具身智能、机器人数据闭环、仿真训练、大模型训练、GPU AI Infra、云原生 AI 平台、智算中心等方向的技术趋势。
1、参与具身智能（人形机器人）产品与市场研究：行业趋势、标杆案例、竞品能力拆解、客户需求画像； 2、协助输出产品与解决方案物料：产品介绍、卖点提炼、对外话术、案例包装等； 3、协助推动产品需求管理：需求收集与分析、PRD/需求文档撰写； 4、协助做Go-to-market相关工作：方案商与上游厂商信息收集、商务活动支持； 5、参与客户/伙伴沟通支持：会议纪要、问题清单、需求澄清、交付流程跟进等。
方向： 机器人模型上机 / 整机联调 / 客户 POC 交付 岗位定位： 将云侧训练完成的 VLA、策略模型等部署到真实机器人，贯通「模型输出 → 中间件 → 控制系统 → 执行器」全链路，推动模型在真实场景稳定安全运行。融合运控、系统集成、模型部署与客户交付能力，核心解决具身模型从训练到落地的工程化问题。 岗位职责： 1. 模型上机部署：将 VLA / 模仿学习 / 强化学习模型接入真机，完成观测空间与动作空间适配（关节位置、速度、力矩、末端位姿、底盘速度等）。 2. 部署链路搭建：设计「云端训练 → 边缘推理 → 机器人控制器」架构，覆盖推理、实时控制、安全策略、通信协议与控制频率等模块。 3. 整机联调：对接机械臂、移动机器人、人形等多种本体，集成 ROS/ROS2、厂商 SDK、驱动、传感器及控制器，完成运控链路搭建与整机调试。 4. 运控优化：开发 / 集成运动学、轨迹生成、位置 / 速度 / 力矩 / 阻抗 / 力控制等能力，提升动作平滑性、精度、响应、稳定性与安全性。 5. Sim2Real 适配：基于 MuJoCo / Isaac Sim / Gazebo 等仿真环境验证，完成坐标、控制周期、数据归一化、传感器与动力学参数适配。 6. 客户交付：理解客户本体与场景，制定部署方案，参与远程或现场部署、问题定位与验收。 7. 能力沉淀：将适配接口、控制模块、诊断工具与部署流程标准化，建设适配层与工具体系。 8. 闭环反馈：与训练、数据、仿真、云平台团队协作，将真机数据与问题反哺训练与工具链。
1、参与具身智能（人形机器人）产品与市场研究：行业趋势、标杆案例、竞品能力拆解、客户需求画像； 2、协助输出产品与解决方案物料：产品介绍、卖点提炼、对外话术、案例包装等； 3、协助推动产品需求管理：需求收集与分析、PRD/需求文档撰写； 4、协助做Go-to-market相关工作：方案商与上游厂商信息收集、商务活动支持； 5、参与客户/伙伴沟通支持：会议纪要、问题清单、需求澄清、交付流程跟进等。
1、机器人动作数据质量筛查：在已有基础筛查流程上，引入运动学维度的质量评估，包括关节速度/加速度异常检测、动作轨迹平滑度分析、连续性异常识别等，过滤低质量动作数据。 2、数据自动化标注：开发更细粒度的自动标注算法，如动作阶段切分、关键帧提取、失败原因归因等。 3、数据工具建设：参与数据处理脚本和可视化/评估工具的开发，支撑团队持续迭代数据质量策略。