均胜电子
具身智能标注算法工程师
具身智能标注算法工程师
发布于 8 小时前普通员工/个人贡献者
全职员工仅现场办公数据标注与评测
数据标注与评测
6D姿态估计
Clip
Ros/Ros2
Sam
Sim2Real
Vlm
主动学习
多视图几何
值不值得投
70综合评分
综合评分 70
前沿具身智能数据标注算法岗，技术栈新、工程落地要求高，WLB信息不明确。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.8万
比数据标注与评测中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
17 个在招
市场机会
选择适中
上海 · 数据标注与评测 · 12 个在招
职位详情
关于这个职位
该岗位面向具身智能机器人操作场景，研发基于VLM/SAM/CLIP/ViT等大模型的自动化标注算法与数据管线，覆盖6D姿态估计、分割、接触点检测、主动学习、Sim2Real数据增强及多模态数据治理
你需要把标注算法工程化落地，支撑“采集→标注→训练→评测”数据飞轮
最低要求
全日制本科及以上学历，计算机科学、机器人、人工智能等相关专业
具有3年以上计算机视觉、具身领域相关研发经验
具备较好的代码能力，精通Python，熟练掌握C++进行高性能数据处理，具备良好的工程化编码习惯，熟悉代码规范、单元测试与CI/CD
具备计算机视觉背景，深入理解目标检测、语义/实例分割、姿态估计、多视图几何、相机标定、特征提取与匹配、PnP求解等核心CV任务
理解计算机视觉（CV）、自然语言处理（NLP）或强化学习（RL）基础，熟悉主流预训练模型（如CLIP、SAM、ViT）的推理与微调
了解机器人运动学/动力学基础，熟悉ROS/ROS2系统，理解传感器（激光雷达、深度相机、IMU）特性
具备较强自驱力与目标感，能够主动推进工作
工作职责
研发基于大模型（VLM/SAM/CLIP/ViT等）的自动化标注算法，运用目标检测、特征匹配、多视图几何、PnP求解等计算机视觉技术，实现机器人操作场景中物体6D姿态估计、语义/实例分割、接触点检测及操作轨迹的自动化预标注
设计主动学习策略，基于视觉模型不确定性估计从海量无标注数据中自动挖掘高价值难例，以最小人工标注成本持续提升模型性能
开发人机回环标注工具链，优化标注交互体验，支持遥操作数据的高效回采、校正与可视化验证
研究Sim2Real数据分布对齐算法，利用Diffusion/NeRF/3DGS等生成式技术进行数据增强与自动化标注，消除仿真与真实数据在纹理、光照、动力学特性上的分布差异
基于物理仿真引擎（Isaac Sim/MuJoCo/PyBullet）构建合成数据生成管线，负责自动化标注部分的工程落地与质量把控
构建面向具身机器人的大规模多模态数据ETL流水线，完成视觉（RGB-D/激光雷达）、力觉、触觉、本体状态（关节角/力矩/速度）及动作指令等异构数据的转换、清洗与同步
解决多传感器时间同步、空间标定对齐及数据丢包修复等工程问题，利用相机标定、多视图几何等方法确保数据时空一致性
建立数据质量评估体系，定义并量化数据的多样性、复杂度及有效性，通过分析模型Bad Case反向定位数据缺陷，制定针对性采集与清洗策略
负责数据集版本管理（DVC），追踪数据变更对模型性能的影响，驱动“数据采集→标注→训练→评测”正向飞轮闭环
将标注算法固化为可复用、可扩展的工程化模块，保障标注系统在真实生产环境中的高吞吐、高稳定运行
优先资格
/211院校优先
有自动驾驶、具身智能行业标注算法经验者优先
熟悉ROS/ROS2系统、理解激光雷达/深度相机/IMU等传感器特性者优先
有开源数据标注平台（如CVAT、Label Studio）二次开发或贡献经验优先
熟悉端到端策略学习（End-to-End Policy Learning，如Diffusion Policy、ACT）的数据格式要求优先
AI 洞察
优缺点分析
优点
- 技术栈覆盖大模型视觉、主动学习、Sim2Real、3DGS和机器人仿真，前沿性强
- 岗位处于具身智能数据闭环关键环节，能积累稀缺的机器人多模态数据与自动标注经验
- 算法研发与工程落地并重，有利于形成完整的系统能力
- 需要同时具备CV算法、数据工程和机器人传感器知识，技术跨度大
- 数据管线、标注工具和仿真环境涉及大量工程细节，落地复杂度高
- JD未披露团队规模、算力资源和WLB信息，实际工作节奏需面试确认
- 适合有3年以上CV/具身智能经验、愿意深耕数据标注算法与工程化落地、对机器人多模态数据闭环有热情的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可沿具身智能算法/数据算法专家方向发展，深耕自动标注、Sim2Real和多模态数据闭环
- 也可扩展到机器人感知、端到端策略学习或数据平台工程，成为跨算法与数据基础设施的复合型人才
- 在预研中心环境下有机会参与从0到1的数据体系与工具链建设
- 研发基于VLM/SAM/CLIP/ViT等大模型的自动化标注算法，用于机器人操作场景的6D姿态、分割、接触点和操作轨迹预标注
- 设计主动学习与难例挖掘策略，搭建人机回环标注工具链，降低人工标注成本
- 构建Sim2Real合成数据管线与多模态数据ETL，解决多传感器时空同步、标定和数据质量评估问题
- 将标注算法工程化、版本化，支撑数据采集到训练评测的闭环
- 扎实的计算机视觉功底，熟悉目标检测、分割、姿态估计、多视图几何、相机标定、特征匹配和PnP
- 熟悉VLM/SAM/CLIP/ViT等模型推理与微调，了解主动学习、Diffusion/NeRF/3DGS或仿真数据生成
- 精通Python，能用C++做高性能数据处理，具备工程化、单元测试和CI/CD意识
- 了解机器人/ROS/ROS2与多传感器特性，能处理多模态数据同步和质量问题
申请策略
- 投递前了解均胜电子/均普智能在具身智能和机器人数据方面的业务布局，面试中表达对数据飞轮的理解
- 主动询问团队算力、数据规模、标注工具现状和岗位考核重点，判断与自身经验匹配度
- 突出计算机视觉项目经验，尤其是目标检测、分割、6D姿态估计、多视图几何和PnP相关成果
- 展示VLM/SAM/CLIP/ViT等模型的推理或微调经验，以及主动学习、难例挖掘案例
- 强调Python/C++工程能力、数据管线、多传感器同步、标注平台二次开发或ROS/ROS2经验
- 如果有自动驾驶/具身智能标注算法、Sim2Real或3DGS/NeRF项目，尽量量化数据规模和模型提升
- 补强Isaac Sim/MuJoCo/PyBullet等仿真环境与合成数据生成流程
- 熟悉CVAT/Label Studio等标注平台架构，准备一个工具链开发或二次开发案例
面试指南
- 用“场景-问题-方案-指标”结构回答：先定义机器人操作数据特点，再说明算法选型、工程实现和评估指标
- 对主动学习/数据质量题，强调闭环：不确定性采样→人工校正→模型评测→反向定位数据缺陷
- 对工程题，按数据流讲清采集、同步、标定、清洗、版本管理和质量监控
- 如何利用VLM/SAM/CLIP/ViT设计机器人操作场景的自动预标注流程？
- 主动学习如何估计不确定性并挖掘高价值难例？
- 多传感器时间同步、空间标定和数据丢包修复你会怎么做？
- Sim2Real分布差异如何用Diffusion/NeRF/3DGS或仿真引擎解决？
- 如何建立数据质量评估体系并定位模型Bad Case？
职位点评
薪资福利62
成长发展88
工作生活55
使命价值76
薪资福利
62中等
JD未披露薪资与福利，薪酬竞争力主要取决于候选人CV/具身智能经验与面试定级，需在流程中确认。
薪资信号未披露（AI估算：3.0千–4.5万/月）
成长发展
88较高
岗位涉及VLM/SAM、主动学习、Sim2Real、3DGS与仿真数据管线，技术栈新且覆盖面广，成长性较强；JD未明确培训或晋升机制。
技术前沿前沿/新兴技术
技术栈VLM、SAM、CLIP、ViT、6D姿态估计、多视图几何、PnP、主动学习、Sim2Real、Diffusion、NeRF、3DGS、Isaac Sim、MuJoCo、ROS/ROS2、Python、C++
业务类型ambiguous
工作生活
55较低
JD未提及办公模式、弹性工时或加班安排，WLB信息不足；岗位需处理真实生产数据与工程落地，具体节奏需面试确认。
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
76中等
具身智能/机器人数据与标注算法处于快速增长方向，岗位对机器人操作数据基础设施有直接价值；JD未突出社会使命表述。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs