岗位方向

面向具身智能、机器人操作与多模态模型训练任务，参与具身操作数据处理、模型训练、评测与部署相关工作，支撑从数据采集、数据清洗、数据处理、模型训练到实验评测的完整技术链路建设。

本岗位同时招聘博士后与工程师。博士后可依托合作单位平台开展科研工作，并享受北京大学相关教育资源、学术交流资源及符合政策条件的相关支持。

岗位职责

1.具身操作数据处理与数据管线建设 负责机器人操作数据、视觉数据、轨迹数据、多模态标注数据等的整理、清洗、筛选、转换与管理，搭建稳定、高效、可复用的数据处理流程。

2.模型训练与实验支持 参与具身操作模型、视觉模型、多模态模型或策略模型的训练与调试工作，包括训练数据构建、训练脚本维护、实验配置管理、训练日志分析、模型评测与结果复现。

3.数据处理工程化与效率优化 优化大规模数据处理任务中的并行调度、资源利用、缓存同步、数据传输、失败重试、日志记录和结果校验等模块，提升数据处理链路的稳定性、自动化程度和可扩展性。

4.模型部署与系统集成 根据项目需求，参与模型推理接口、部署流程、测试脚本和评测工具的开发，推动模型从训练环境到实际机器人系统或实验平台中的落地验证。

5.算法与工程协同迭代 与算法、机器人、数据采集团队协作，基于模型训练效果和实际任务表现，持续优化数据质量、训练流程、评测标准和工程工具链。

岗位要求

1.计算机、人工智能、自动化、机器人、软件工程、电子信息等相关专业背景；

2.熟悉 Python 和 Linux 开发环境，具备良好的代码实现能力；

3.了解深度学习基本流程，具备模型训练、数据处理或实验复现经验；

4.熟悉常见数据处理、任务调度、日志分析、脚本开发和工程调试方法；

5.具备较强的问题定位能力、工程实现能力和系统化思维；

6.能够与算法和工程团队协作，推动任务从想法、实验到落地闭环。

加分项

1.有机器人、具身智能、模仿学习、强化学习、视觉语言模型、多模态模型相关项目经验；

2.做过姿态识别、手部识别、人体/物体关键点检测、轨迹预测、动作识别等相关任务；

3.有实际模型训练、微调、部署、推理加速或线上/离线评测经验

4.熟悉 PyTorch、Transformers、OpenCV、CUDA、多卡训练、分布式训练等工具或框架；

5.有大规模数据处理、数据管线建设、任务队列、分布式计算或自动化实验平台经验；

6.有机器人真实数据采集、仿真平台、机械臂操作、灵巧手操作或 VLA/VLM 相关经验者优先。

联系方式

个人简历和相关材料投递至kangjiezhou@pku.edu.cn