字节跳动
游戏引擎数据生成工程师（合成数据/具身智能方向）-AI数据与安全
游戏引擎数据生成工程师（合成数据/具身智能方向）-AI数据与安全
发布于 1 天前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
学历未注明
数据生成
合成数据
Unreal Engine
SLAM
具身智能
3D仿真
AI 估算 · 25k–45k
字节跳动中级技术岗，结合北京地区及游戏引擎+AI方向稀缺性，薪资具竞争力。
职位详情
关于这个职位
作为游戏引擎数据生成工程师，你将使用Unity/Unreal引擎搭建可控3D仿真环境，生成带有精确轨迹标注的合成数据，用于训练AI模型
与算法团队协作优化数据格式和质量，推动模型性能提升
该岗位涉及场景搭建、运动逻辑设计、数据导出Pipeline开发及自动化批量生成，适合对游戏引擎和合成数据感兴趣的技术人才
最低要求
熟练使用至少一种游戏引擎：Unity（C#）或Unreal Engine（C++/Blueprint）
熟悉3D基础概念：坐标系/位姿（Pose），相机模型（FOV/Projection），动画/物理引擎（刚体、碰撞等）
具备一定编程能力，能编写脚本实现自动化数据生成流程
有完整项目经验（游戏/仿真/可视化等均可）
有较强工程能力，能独立完成从场景搭建到数据导出的闭环
工作职责
使用游戏引擎（如Unity/Unreal）搭建可控的3D仿真环境（室内/室外/复杂场景）
设计并实现物体/角色的运动逻辑（导航、操作、交互等）
生成带有精确轨迹标注的数据，包括但不限于：相机轨迹（Camera Pose），物体轨迹（Object Trajectory），Agent行为序列（Action/State）
实现数据导出Pipeline，包括：RGB视频，深度图/法线/Segmentation，位姿与运动轨迹（6DoF）
优化数据生成效率（批量生成、自动化、脚本化）
与算法团队协作，对数据格式、标注精度、分布进行迭代优化
优先资格
有以下方向经验之一：仿真平台（如自动驾驶、机器人仿真），合成数据（Synthetic Data Generation），具身智能/VLA/机器人
熟悉以下数据类型或任务：轨迹生成/运动规划（Trajectory Planning），SLAM/NeRF/3D重建
有大规模数据生成经验：批处理/分布式生成，数据清洗与质量控制
熟悉Python，并能与AI训练Pipeline对接
有Unity ML-Agents/Unreal仿真经验
AI 洞察
优缺点分析
优点
- 身处AI行业头部公司，参与前沿的基座模型训练，积累合成数据和仿真经验
- 技术栈硬核（游戏引擎+计算机视觉+AI），提升跨领域能力
- 团队注重效率，有自动化工具和脚本化流程，能学习工业级数据生产体系
- 适合对游戏引擎和AI交叉领域感兴趣、喜欢搭建仿真环境并解决工程优化问题的技术人才
缺点 / 挑战
- 工作内容偏工程和重复性优化，需要较强的耐心和细节把控能力
- 与算法团队紧密协作，需快速理解模型需求并调整数据生成策略，沟通成本较高
- 对游戏引擎和3D知识要求较高，入门门槛不低
角色解读
- 在AI数据与安全团队内深耕合成数据技术，成为数据生成专家，支持多模态模型迭代
- 横向发展：向具身智能、机器人仿真或自动驾驶仿真方向拓展，结合算法优化数据质量
- 纵向晋升：技术方向可晋升为高级工程师或技术Leader，管理数据生成Pipeline团队
- 使用Unity或Unreal引擎搭建室内外3D仿真环境，设计物体和角色的运动逻辑
- 生成带精确标注的合成数据，包括相机轨迹、物体轨迹和Agent行为序列
- 开发数据导出Pipeline，输出RGB视频、深度图、位姿等，并优化批量生成效率
- 与算法团队协作，根据模型需求迭代数据格式和分布
- 精通至少一种游戏引擎（Unity C#或Unreal C++/Blueprint），能独立搭建复杂场景
- 扎实的3D数学基础：坐标系变换、相机模型、刚体物理和碰撞检测
- 编程能力：编写脚本实现自动化数据生成，熟悉数据Pipeline开发
- 项目经验：有游戏、仿真或可视化完整项目经验，能端到端交付
申请策略
- 在简历或作品集中附上能展示仿真场景和生成数据样本的链接或截图
- 了解字节跳动的Seed模型和AI数据团队的业务方向，面试时展示对数据质量重要性的理解
- 突出游戏引擎项目经验，特别展示搭建完整仿真环境或数据生成Pipeline的案例
- 强调3D数学和物理引擎的应用，例如坐标系变换、相机标定或碰撞检测
- 如果有合成数据、自动驾驶仿真或具身智能相关经验，务必单独列出
- 展示编程自动化能力，如脚本批量处理、数据导出效率优化
- 提前熟悉Unity或Unreal的数据导出功能，学习如何生成深度图、法线图和Segmentation
- 了解AI训练数据的基本格式（如COCO、JSON、HDF5）和与Python Pipeline对接的方法
面试指南
- 对于项目相关问题：先概述场景目标，再分步说明技术实现（引擎选择、脚本流程、输出格式），最后总结遇到的挑战和解决思路
- 对于精度和效率问题：从数学原理和工程实践两方面入手，先讲坐标系、相机模型，再讲批处理、多线程、Level Streaming等优化手段
- 对于合成数据价值问题：结合模型需求，强调数据多样性、标注精确性和分布覆盖，同时说明如何通过迭代缩小与真实数据的gap
- 请描述你使用Unity/Unreal搭建的一个复杂场景，并说明如何实现自动化数据生成
- 如何确保生成的数据标注精度？你如何处理遮挡和边界情况？
- 在批量生成数据时，如何优化渲染效率？你用过哪些提升性能的技巧？
- 解释相机内参和外参，如何从3D场景中导出6DoF轨迹？
- 你如何看待合成数据与真实数据的差异？如何让合成数据更好地帮助模型训练？
匹配度报告
68
综合匹配度
大厂数据岗，前沿技术栈，高成长但WLB不确定。
适合人群
适合重视技能成长和技术前沿性、对工作生活平衡要求不高的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展85
工作生活40
使命价值70
薪资福利匹配
75中等
字节跳动薪资在行业内有竞争力，但JD未提及具体福利，整体补偿性较好。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
85较高
岗位涉及前沿的合成数据和具身智能方向，技术栈新，成长空间大。
技术前沿前沿/新兴技术
技术栈Unity、Unreal Engine、合成数据、具身智能、SLAM、NeRF
成长机会不断提升数据质量、支持模型快速迭代
业务类型ambiguous
工作生活匹配
40较低
未提及远程或弹性工作，北京现场办公且互联网行业强度较大，生活平衡一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
参与AI模型迭代有技术成就感，但社会影响力偏中性。
行业发展高速增长赛道
社会影响中性/一般
使命信号推动模型性能与用户体验的双重提升
创新程度积极采用新技术
Watch Jobs