1、建设机器人数据采集链路：接入RGB/RGBD、点云、IMU、力/触觉、关节状态、末端位姿、控制指令、遥操作轨迹、任务语言等数据； 2、设计多模态时序数据格式与存储：如ROSbag/MCAP、Parquet、HDF5、Zarr、对象存储、元数据索引、任务标签体系； 3、负责数据清洗、同步、切片和质量评估：时间戳对齐、相机标定、异常轨迹检测、低质样本过滤、成功/失败轨迹归因； 4、支持VLA/模仿学习/强化学习训练：构建observation-action数据集、语言指令数据、视频-动作对齐数据、评测集和回归测试集； 5、搭建数据闭环平台：从机器人部署、遥操作采集、自动上传、自动清洗、标注审核、训练集发布到模型评估回流； 6、结合仿真生成数据：对接IssacSim、Gazebo、MuJoCo、Genesis等环境，生成合成轨迹、场景随机化数据、失败案例； 7、与算法、机器人、标注和产品团队协作：定义数据需求、采集SOP、数据指标、标注规范和训练数据版本； 8、熟悉ROS2机器人开发，具备机械臂基础控制经验，能够使用ROS2 driver、ros2_control等工具完成机械臂状态读取、轨迹控制和基础任务执行； 9、能够结合机器人控制链路设计数据采集方案，准确记录observation、action、robot state、task state和执行结果，支持具身模型训练和评估。

1、硕士及以上学历，机器人类、人工智能类、控制科学与工程类、机械类、计算机类、数学类、自动化类、大数据类、电子信息类、智能制造类、智能科学与技术等相关专业优先，熟悉Python编程，会C++编程加分； 2、熟悉机器人ROS/ROS2、rosbag/MCAP、TF、URDF/MJCF、传感器标定，具备运动学和控制基础； 3、熟练掌握常用图像/视频处理工具链，如OpenCV、FFmpeg、PyAV、MMCY等； 4、具备多模态数据处理经验，精通数据清洗、数据格式转换、时间轴同步等核心处理流程； 5、熟悉Spark/Flink、Airflow、Kafka、对象存储、数据湖等数据工程相关内容； 6、熟悉PyTorch数据加载、训练数据pipeline、特征统计、dataset registry、MLOps等ML工程方面内容； 7、熟悉IssacGym/Sim/Lab、Gazebo、MuJoCo、Sim2Real等概念； 8、对自动预标注、人工审核流程、数据质量指标体系有了解并能主动学习； 9、了解Docker、Kubernetes、Linux、云存储、CI/CD、监控告警等。