凌迪科技

我们正在建设面向具身智能的仿真训练与真实场景执行系统。该岗位的最终目标不是只在仿真中获得较高成功率，而是让机器人进入真实的商店、客厅、厨房等场景，安全、稳定地完成导航、抓取、放置、整理和人与机器人协作等任务。该岗位负责打通从仿真场景、任务与数据构建，到策略训练、真机集成、现场调试和真实任务评测的完整链路。候选人需要具备良好的机器人系统与 Python 工程能力，能够定位感知、规划、控制、通信、硬件和环境之间的系统性问题，并对机器人在真实场景中的最终执行结果负责。## 工作职责- 在 RoboCasa、MuJoCo、Isaac Sim、SAPIEN、ManiSkill、robosuite 或其他平台中搭建机器人仿真场景。- 将 3D 资产转换并配置为 USD、URDF、MJCF 等仿真格式，完成尺度、坐标系、碰撞体、质量、摩擦力、关节和物理属性设置。- 根据真实商店、客厅、厨房等目标环境构建数字化场景，配置机器人、相机、光照、传感器和可操作物体，并控制仿真与实景之间的关键差异。- 设计具身智能任务，明确 instruction、initial state、action space、success condition、failure condition、reset distribution 和 benchmark split。- 为模仿学习、强化学习、Diffusion Policy、ACT、VLA 和 LeRobot 等训练流程生成、清洗和管理轨迹数据。- 将仿真或数据训练得到的策略部署到真实机器人，完成模型转换、推理服务、机器人接口、传感器接入和控制链路集成。- 在真实场景中完成机器人标定、定位、导航、抓取与操作调试，包括相机内外参、手眼标定、坐标系、末端执行器和动作精度校准。- 设计并实施 sim-to-real 方案，包括域随机化、系统辨识、真实数据回采、策略微调和仿真参数校准。- 组织真实机器人任务测试，建立现场部署、任务初始化、失败恢复、人工接管、日志回传和重复实验流程。- 分析真机失败案例，区分感知、规划、控制、通信、策略、硬件和场景因素，并推动问题闭环。- 为真实环境中的人员、设备和物体制定安全约束，落实速度与力限制、碰撞保护、急停、工作空间限制和异常降级机制。- 开发自动化场景与任务检查工具，检测穿模、碰撞体错误、动力学异常、不可达、不可抓取、任务无法重置和成功判定失效等问题。- 建立贯通仿真与真机的可复现训练和评测 pipeline，对比成功率、碰撞率、恢复率、任务耗时、泛化能力和 sim-to-real gap。- 设计场景、物体、初始状态和语言指令的随机化方案，并控制训练集、验证集和测试集之间的泛化难度。- 使用 Codex 等 Agent 工具辅助代码开发、批量实验、数据清洗、结果分析和失败案例归因。- 与生成式 AI Agent 与 3D 资产工程师协作定义资产接入标准，与世界模型研究工程师协作定义交互数据和策略接口。-  参与机器人学习、sim-to-real、真实场景部署和 benchmark 方向的创新研究与论文工作。## 任职要求- 熟悉 Python，能够独立完成仿真环境、数据处理、实验脚本和自动化工具开发。- 理解机器人学基础，包括坐标变换、位姿、运动学、轨迹、碰撞检测、传感器和控制等概念。- 具有真实机器人开发或实验经验，能够进行设备连接、标定、动作调试、日志分析和故障排查。- 熟悉 Linux 环境，能够使用 ROS 或 ROS 2 完成机器人、传感器和算法模块之间的集成。- 了解机器人操作、导航、模仿学习或强化学习中的至少一个方向，并理解从模型输出到真实机器人动作执行的完整链路。- 理解 mesh、碰撞体、质量、摩擦力、关节、材质、相机和尺度等仿真资产概念。- 能够定义清晰、可执行、可自动评测的机器人任务，并将同一任务协议落实到仿真和真实环境。- 具备较强的问题拆解、现场调试和工程执行能力，愿意参与真实场景搭建、真机实验和迭代部署。## 加分项- 熟悉 MuJoCo、RoboCasa、robosuite、Isaac Sim、SAPIEN、ManiSkill 或 Habitat 中的一个或多个平台。- 熟悉 imitation learning、reinforcement learning、Diffusion Policy、ACT、VLA 或 LeRobot。- 有 URDF、MJCF、USD、关节物体、碰撞体生成或物理参数调优经验。- 有机械臂、移动底盘、移动操作机器人或人形机器人开发和部署经验。- 有 MoveIt、Nav2、ros2_control、TF、Gazebo、RViz、相机或力传感器集成经验。- 有遥操作、示教采集、真实数据回采、合成轨迹、数据回放或大规模并行仿真经验。- 有机器人数据集、benchmark、自动标注、质量评估或实验可视化工具开发经验。- 熟悉 PyTorch、Gymnasium、Hydra、Ray、Weights & Biases 或同类训练和实验管理工具。- 有 sim-to-real、域随机化、系统辨识、策略微调或多模态传感器经验。- 有真实家庭、零售、仓储或其他非结构化环境中的机器人现场部署经验。- 了解机器人功能安全、风险评估、故障恢复或人机共融环境的安全规范。- 有顶会论文发表、论文复现、开源项目贡献或机器人产品研发经验。