高德地图具身智能仿真算法实习生（Sim2Real方向）
任职要求
任职要求 1. 计算机、机器人、图形学、自动化或相关专业在读硕士/博士，或优秀本科生； 2. 熟练掌握 Python，熟悉 PyTorch，具备良好的工程实现与算法复现能力； 3. 有 NVIDIA Isaac Sim / Omniverse 使用经验，了解 USD、URDF 等机器人描述格式；具备机器人仿真环境搭建、任务开发与调试的实际经验（如使用过 Libero、SimpleEnv 等）优先； 4. 有 3D 场景生成、神经渲染（NeRF / 3D…
工作职责
岗位职责 1. 定制化3D仿真场景与资产构建，实现多样化任务的3D场景的程序化生成。同时结合 3D Gaussian Splatting (3D-GS)等技术，优化场景的Real2Sim视觉质量； 2. 支持物体布局优化和材质、光照、相机的随机化建模等，提升仿真数据的多样性与真实性，系统性缩小 sim2real gap； 3. 协助搭建基于 NVIDIA Isaac Sim 的高保真、可扩展的机器人仿真平台，构建自动化评测流程，支持具身智能体的训练与评测；协助采集机器人操作轨迹，生成海量仿真数据，进行Benchmark和Sim2Real的实验； 4. 复现和集成前沿算法，投稿高质量会议论文。
1.参与具身智能仿真平台的架构设计与搭建工作，构建模型训练所需的仿真功能、多样化场景、标准化任务及数据资产。 2.负责设计并优化自动化任务生成系统，基于物理引擎与渲染引擎，构建从任务定义、场景渲染到数据生成的端到端自动化仿真链路。 3.开发高效数据生成工具链体系，融合真实数据集采集、仿真数据合成及开源数据集转换，解决具身智能数据规模匮乏、模态单一问题。 4.设计并实现场景参数随机化生成机制合成海量交互数据；同时搭建分布式并行仿真架构实现大规律数据生成。
1. 仿真系统搭建：基于 Isaac Sim/Isaac Lab/MuJoCo 等平台，从 0 到 1 构建高保真仓储仿真环境（货架、料箱、输送线、工位）与具身智能数字孪生（单/双机械臂、人形机器人、移动底盘、夹抓/吸盘），完成动力学参数与多传感器（RGB-D、LiDAR、力/触觉）建模标定。 2. 仿真基础设施：搭建 GPU 集群并行仿真与训练框架，建设 SKU 资产库、自动布局/场景随机化、任务生成、自动重置与实验追踪工具链，支撑大规模策略 Rollout。 3. 动力学建模，对机器人本体、关节、执行器建立高保真动力学模型；接触、摩擦、柔性/软体等物理现象的建模与调参。 4. 三向迁移能力：负责 Sim2Sim（跨引擎/跨场景一致性验证）、Sim2Real（域随机化、系统辨识、传感器噪声与时延建模）、Real2Sim（真机数据反向重建场景与参数），持续收敛仿真-真实差距。 5. 数据与评测：规模化生产合成数据并对齐真机格式（LeRobot/Parquet/RLDS/NPZ），建立仿真质检与标准化 Benchmark，支撑策略上真机前的可复现回归验证。
1、负责数据仿真平台的架构演进，将真实路采、仿真合成、生成重建转化为仿真场景库，与软硬件一起构建工具链支持算法模型训练和在环(SIL/ HIL)回归测试；负责具身智能仿真系统的设计、开发与优化，涵盖机器人仿真、交互式环境建模、任务生成、传感器仿真、动态行为建模仿真、仿真评测等关键技术；通过算法及工程化手段加速算法模型的迭代效率； 2、融合各类空间智能相关技术，对真实和虚拟世界快速建模，尤其在可交互复杂场景的构建方向，推动Real2Sim2Real领域内的关键技术研究； 3、结合传统仿真和生成式仿真的数据合成方案，构建全新的机器人场景下的数据范式，推动合成数据价值探索与应用落地； 4、探索端到端世界模拟器的能力探索，推动生成式AI与物理仿真引擎的深度结合，尤其在物理约束模拟等方向的关键技术研究。