機器人訓練平台架構工程師 (Robotics Training Platform Engineer)

1. 分散式訓練架構設計與開發：

• 負責設計與構建基於 Ray Tune、Ray Train 等框架的大規模分散式模型訓練系統
• 實現多卡、多節點訓練架構（如 DDP、FSDP 等），支援人形機器人感知、視覺、 VLA（Vision-Language-Action）和World Action Model (WAM)等複雜 AI 模型的高效訓練
• 優化訓練管道的數據流、計算效能與資源利用率，確保訓練穩定性與可擴展性

2. 機器人訓練資料集建立與管理：

• 規劃與實現機器人訓練資料集的採集、標註、驗證與版本管理流程
• 建立包括模擬資料、真實機器人交互數據、多模態感測器數據（視覺、語音、IMU 等）的完整資料管道
• 整合外部開源資料集、第三方數據源與內部採集數據，構建統一的多源資料融合系統
• 設計資料增強策略，確保資料多樣性與平衡性，支援 Sim2Real 資料對齊與轉移學習

3. 訓練實驗框架與工具鏈：

• 開發統一的訓練實驗管理系統，支援超參數搜尋、模型版本管理與實驗追蹤（如 MLflow、Weights & Biases）
• 構建從資料預處理、模型訓練、評估到部署的完整流程自動化（CI/CD for ML）
• 優化訓練速度、資源成本與模型收斂，實現高效的迭代開發週期

4. Sim2Real 訓練資料對接：

• 與模擬環境團隊（Isaac Sim/Lab）密切協作，建立從虛擬訓練到實機適配的資料轉換與驗證流程
• 設計資料同步與校準機制，確保模擬環境生成的訓練資料能有效遷移至真實機器人
• 開發資料質量評估工具，識別域轉移問題並優化訓練策略

5. 訓練基礎設施與計算資源管理：

• 管理與最佳化 GPU/TPU 叢集資源分配，支援多個訓練任務的並行執行與動態資源調度
• 負責 Docker 容器化與 Kubernetes 編排系統的訓練環境設計與部署，確保訓練可重現性、可擴展性與跨環境一致性
• 配置 Kubernetes Job、StatefulSet 與自動資源伸縮策略，支援大規模分散式訓練任務
• 監控訓練任務的效能指標、故障恢復與日誌管理

【必要條件】
1. 熟悉 Linux 系統環境與開發工具鏈。
2. 深入理解分散式訓練框架（如 PyTorch DDP、Hugging Face Accelerate、Ray Train 等），具備大規模模型訓練的實戰經驗。
3. 熟悉 Ray 生態系統（Ray Tune、Ray Train、Ray Serve），具備分散式任務調度與資源管理經驗。
4. 熟悉機器學習資料管道與工具（如 Hugging Face Datasets、PyTorch DataLoader、TFRecord 等），具備資料集設計、整合與維護經驗。
5. 熟悉 PyTorch 或 TensorFlow 等深度學習框架，具備模型訓練、評估與最佳化的實踐經驗。
6. 掌握 Docker 容器化與 Kubernetes 編排系統，具備構建與管理分散式訓練叢集的實戰經驗。
7. 具備良好的系統設計思維、問題解決能力與團隊合作精神。

【加分條件】
1. 具備機器人領域的訓練資料集建立、管理或策劃經驗者優先。
2. 具有整合開源資料集與外部資料源的實戰經驗。
3. 具備 MLOps/LLMOps 工具與實踐經驗（如 MLflow、Weights & Biases、DVC、Kubeflow 等）。
4. 熟悉 Isaac Sim/Isaac Lab 等機器人模擬器與資料生成流程者佳。
5. 具備 Kubernetes 進階特性應用經驗（如自定義 Operator、Helm、資源配額等）。
6. 具備超大規模語言模型（LLM）或多模態模型訓練經驗者優先。
7. 了解 Sim2Real 遷移學習、域適應（Domain Adaptation）等理論與實踐者加分。
8. 具備資料版本控制、品質評估與標註流程自動化經驗者優先。
9. 熟悉分散式系統設計與最佳化（CPU/GPU/Memory profiling）者。