机器人Sim2Real与合成数据工程师/专家

• Sim2Real 跨域迁移算法：设计域随机化（包括视觉/物理参数/动态噪声）算法；通过真机 Episode 失败数据反向辨识与调优仿真物理参数。
• 生成式 3D 场景与合成数据：结合生成式 AI（如 3D-GS / NeRF、Diffusion 模型）批量合成高保真 3D 场景、材质贴图与多模态仿真数据（RGB-D、点云、分割掩码等）。
• 合成数据 Pipeline 构建：编写合成数据的自动生成、清洗、质量评估与标注 Pipeline，为 VLA 大模型与视觉 Backbone 提供大规模高质量训练数据。
• Sim2Real Gap 量化评估：建立 Sim2Real 差距的定量评估指标库，联合算法团队分析跨域失效归因，持续缩小仿真策略落地的成功率 Gap。

• 计算机、人工智能、机器人等相关专业硕士及以上学历，2年以上 Sim2Real、合成数据生成或 3D 计算机视觉研发经验。
• 深度理解强化学习/模仿学习中的 Sim2Real 常用技术路线（如 Teacher-Student 蒸馏、域随机化、系统辨识等）。
• 精通 Python 与 PyTorch，熟练掌握 3D-GS、NeRF、Diffusion 等生成式 3D/图像算法及常用开源工具链。
• 熟练掌握 Isaac Lab / MuJoCo 等环境下的自动化数据采集与标注管线开发。

加分项

• 具备 VLA或 E2E 具身策略在真机部署成功 Sim2Real 迁移的实战项目经验。
• 在 CVPR、ECCV、ICRA、IROS 等顶会发表过 Sim2Real、3D-GS 或合成数据领域论文。