小米具身智能数据算法工程师

1. 负责具身智能数据平台的搭建与开发，构建覆盖采集、处理、标注、质检全链路的自动化数据管线，支撑大规模机器人学习数据的高效生产； 2. 研发基于三维重建的场景与物体数字化技术（如 NeRF、3D Gaussian Splatting、MVS 等），构建高保真三维资产库，为仿真环境与合成数据生成提供基础数据支撑； 3. 开发人体与手部运动建模系统，涵盖全身动作捕捉、灵巧手姿态估计、人手-物体交互重建等，将人类示范数据高效转化为机器人可用的训练数据； 4. 设计并实现自动化/半自动化标注系统，结合视觉基础模型（SAM、GroundingDINO 等）与主动学习策略，实现操作任务中关键语义信息（动作分割、接触检测、物体状态等）的高效标注； 5. 搭建多模态数据采集系统，集成多视角相机、深度传感器、力/触觉传感器、动捕设备等，设计标准化采集流程，保障数据质量与一致性； 6. 建立数据质量评估与治理体系，开发数据清洗、去重、平衡、增强等工具，构建面向机器人操作任务的高质量 benchmark 数据集； 7. 与算法团队紧密协作，根据模型训练需求（VLA、World Model、RL 等）定义数据规格，推动数据驱动的算法迭代闭环。

核心使命：构建下一代具身智能数据交互平台，通过高性能Web 可视化技术，赋能算法研发、数据闭环与仿真验证。 1. 多模态数据可视化引擎开发 - 统计分析可视化：开发数据看板，支持对海量机器人数据（任务日志、状态指标、标注结果）的聚合、筛选、图表展示（时序曲线、热力图、分布图等）。 - 实时回放与交互可视化：构建类播放器的交互界面，支持传感器数据（视频流、点云、IMU）及机器人状态（关节角度/轨迹）的逐帧回放、拖拽跳转、多流同步。 2． 数据工具链前端实现 - 可视化标注平台：开发交互式标注工具（如2D/3D 框体标注、轨迹标注、语义标注），支持视频、点云等多模态数据的联合标注，并与后端标注存储系统集成。 - 数据查询与检索系统：实现灵活的数据查询界面（如按时间范围、任务ID、传感器类型过滤），支持数据样本的实时预览与导出。 - 仿真过程可视化：对接仿真引擎，实时渲染机器人动作、环境状态及任务执行过程，支持调试与结果分析。 3. 实时数据流处理与通信 - 构建低延迟数据通信层：使用WebSocket/WebRTC 实现传感器数据流的实时传输与播放控制。 - 设计时间轴同步机制：确保多传感器数据（视频、激光雷达、关节状态）在回放时严格对齐，支持全局时间戳控制。 4． 跨职能协作 - 与后端工程师紧密合作，定义数据接口格式、通信协议及性能优化点。 - 与算法/数据工程师协作，理解数据语义与业务需求，设计直观的数据交互流程。 - 与仿真团队对接，实现仿真结果的可视化验证。

负责具身智能数据平台的前端系统建设，打造面向算法工程师、数据工程师的统一工作台，支撑数据可视化、数据理解、数据操作与多模态数据标注等核心能力 1. 负责数据平台前端整体架构设计与功能实现，支撑复杂数据与任务流程的可视化与交互 2. 实现多模态数据的可视化展示能力，包括图像、视频、点云、轨迹与传感器数据 3. 与后端与算法团队协作，推动半自动标注、智能辅助标注等能力的前端落地 4. 持续优化前端性能、交互体验与工程质量

1. 推进机器人多模态大模型（VLM/VLA）的工程化落地：涵盖预训练、微调、训练加速和效果调优； 2. 基于issac sim搭建仿真环境验证操作模型，设计real2sim2real迁移框架，加速算法验证与落地； 3. 具身智能算法研发，包括不同数据配比/网络结构/本体构型，在toC场景完成长序列任务和技能泛化； 4. 研发自动化标注算法（2D/3D/VLA等），降低标注成本和提升标注质量； 5. 设计多模态数据（图像、视频和点云等）生成算法，增强数据多样性。