西门子
Expert Research Scientist on Autonomous Polyfunctional Robot (Data Full-Stack)
Expert Research Scientist on Autonomous Polyfunctional Robot (Data Full-Stack)
发布于 14 小时前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Pytorch
Ros/Ros2
Sim2Real
Vla
具身智能
分布式训练
多模态数据
值不值得投
85综合评分
综合评分 85
外企前沿具身智能研发岗，技术挑战与成长空间极大，薪资偏高，WLB未明确但平台资源顶级。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
5.5万
比具身智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 210 个在招
市场机会
选择不多
苏州 · 具身智能 · 2 个在招
职位详情
关于这个职位
作为数据全栈研究科学家，你将端到端负责具身智能数据栈的建设，设计多模态数据管线并定义数据与算法策略
你需要将物理世界的数据采集与模型训练紧密结合，推动VLA基础模型的能力边界，实现真实世界机器人的自主能力提升
最低要求
教育背景：计算机科学、机器人、人工智能或相关专业硕士及以上学历
年以上相关经验
研发经验：具备 Spark、Flink 或 Ray 等分布式数据系统及大规模多模态数据处理的工程经验，同时具备扎实的机器学习与数据科学算法基础
核心技术能力：
深刻理解 VLA、端到端模仿学习和强化学习的数据需求与训练动态，并能从数据中心视角提升模型表现
熟悉 ROS/ROS2、Isaac Sim 和 MuJoCo 等机器人仿真环境、真实机器人数据采集管线、遥操作系统和传感器标定
精通 Python，熟悉 PyTorch，并具备 DeepSpeed、FSDP 等大规模分布式训练框架或现代数据工程工具链的实践经验
具备强系统思维和跨职能协作能力，能够将数据、模型与硬件连接成端到端优化闭环
问题解决能力：具备卓越的分析、实验和系统级问题解决能力，能够应对复杂、开放式的具身智能、机器人数据和真实部署挑战
动手实践能力：具备在物理机器人平台上实现、测试和部署具身智能及数据中心机器人学习方案的经验，覆盖数据采集、标注、模型训练、评估、验证以及与真实机器人控制闭环的集成
沟通能力：具备优秀的书面和口头沟通能力，能够清晰阐述复杂的数据、人工智能与机器人技术概念，发表高质量研究成果，并与算法、数据、硬件和产品团队高效协作
热情与驱动力：对推动自主多功能机器人的具身智能发展充满热情，并致力于将数据全栈研究转化为可衡量的真实世界自主能力和部署影响
工作职责
数据基础设施与管线架构：
设计并产品化端到端数据管线，覆盖采集、传输、清洗、对齐、训练与评估，面向 PB 级异构机器人数据，包括 RGB-D、LiDAR、本体感知、力/触觉传感以及遥操作轨迹
构建多模态时序对齐与质量过滤框架，解决跨传感器时间同步、坐标系统一和动作空间标准化等问题
建立自动化反馈机制，将真实部署日志回流至训练集群，形成自强化的数据飞轮
开发 Sim2Real 合成数据生成与增强管线，并与 Isaac Sim 等仿真引擎集成，支持真实数据与合成数据混合的大规模训练
数据算法与策略定义：
建立具身数据集的算法评估框架，量化评估数据多样性、任务覆盖度、动作空间分布、物理一致性和跨本体泛化能力
主导构建受 Open X-Embodiment 启发的大规模机器人学习数据集，负责数据清洗、去重、重采样和价值密度优化算法
开发由 VLM 和 LLM 驱动的自动化标注管线，以及半监督和主动学习框架，显著降低人工遥操作标注成本
探索跨本体数据迁移与统一动作表示，解决异构机器人数据融合中的兼容性与对齐挑战
数据质量与模型闭环：
将数据策略与模型后训练紧密结合，通过数据混合、课程学习和去偏算法，提升 VLA 与 Diffusion Policy 模型的训练动态和真实机器人表现
从数据中心视角构建模型诊断工具，识别感知、推理、规划与执行环节的瓶颈，并与数据生产团队协作，形成评估—诊断—优化—再训练闭环
建立数据安全与合规流程，保护数据采集、存储和标注全生命周期中的隐私与物理安全
Physical AI Harness 与真实机器人协作：
通过 Physical AI Harness 架构标准化的真实机器人评估数据基础设施，支持多场景自动化数据采集、任务编排和 A/B 测试
定义真实机器人数据采集协议和元数据标准，确保从物理世界到训练集群的语义一致性与可追溯性
与算法、硬件和产品团队紧密合作，将数据洞察转化为可执行的技术路线图和部署策略
优先资格
在 CoRL、RSS、ICRA、IROS 等顶级机器人会议，或 NeurIPS、ICML 等机器学习会议发表过论文，尤其是数据相关方向
AI 洞察
优缺点分析
优点
- 依托西门子强大的计算基础设施、先进机器人平台及专业团队资源，能接触到工业级真实场景与海量数据
- 需要处理PB级多模态异构数据并解决Sim2Real等复杂工程问题，技术难度高，对系统级问题解决能力要求极高
- 适合具备扎实数据工程与机器学习基础，对具身智能和机器人技术充满热情，且渴望在工业级真实场景中落地前沿AI技术的资深技术人才
缺点 / 挑战
- 处于具身智能与Physical AI的最前沿，参与定义多功能机器人自主性边界，技术挑战性与行业前景极佳
- 外企背景提供协作、开放且支持创新的团队文化，注重工作成果与智力挑战，有利于长期职业发展
- 涉及跨职能协作（算法、硬件、产品），沟通与推进成本较高，需要平衡数据策略与真实硬件部署的限制
角色解读
- 在具身智能、数据基础设施与基础模型交叉领域深耕，成长为该领域的顶尖技术专家或首席科学家
- 通过主导大规模机器人学习数据集和Physical AI Harness架构，向技术架构师或研发总监等高级技术管理方向发展
- 端到端负责具身智能数据栈的建设，设计并产品化面向PB级异构机器人数据的多模态数据管线
- 定义数据与算法策略，开发自动化标注管线与合成数据生成管线，解决跨传感器对齐与数据融合挑战
- 将数据策略与模型后训练结合，构建模型诊断工具，形成评估到再训练的闭环，提升VLA模型在真实机器人上的表现
- 精通Python与PyTorch，具备Spark/Flink/Ray等分布式数据系统及DeepSpeed等大规模分布式训练框架的实践经验
- 深刻理解VLA、端到端模仿学习和强化学习，熟悉ROS/ROS2、Isaac Sim等机器人仿真环境及真实机器人数据采集
- 具备强系统思维与跨职能协作能力，能在物理机器人平台上完成从数据采集、标注到模型部署的全链路闭环
申请策略
- 准备好GitHub主页、论文链接或作品集，特别是与机器人数据、自动化标注或具身智能相关的开源项目或顶会论文
- 在求职信中明确阐述你对自主多功能机器人具身智能发展的研究兴趣，以及如何将数据全栈研究转化为真实世界影响
- 重点突出在分布式数据系统（Spark/Flink/Ray）和大规模多模态数据处理方面的工程经验，以及PB级数据管线的架构能力
- 详细展示在VLA、模仿学习或强化学习方面的研究成果，特别是如何将数据策略转化为模型性能提升的实际案例
- 强调在物理机器人平台上的动手实践经验，包括ROS/ROS2、仿真环境（Isaac Sim）及真实数据采集与部署闭环经验
- 深入学习Sim2Real合成数据生成技术及多模态时序对齐算法，提升处理异构传感器数据的能力
- 熟悉DeepSpeed、FSDP等大规模分布式训练框架，优化大模型训练效率与资源利用率
面试指南
- STAR法则结合系统架构思维：先说明业务背景与数据规模，再阐述系统架构设计（如数据流向、对齐算法），接着说明遇到的技术难点及解决方案，最后量化成果（如训练效率提升、标注成本降低、模型指标改善）
- 闭环思维：在回答模型与数据相关问题时，强调'数据采集-清洗标注-模型训练-诊断评估-真实部署-日志回流'的完整闭环，展现全局视角
- 请描述你如何设计一个面向PB级异构机器人数据（如RGB-D、LiDAR、力觉）的端到端数据管线？
- 在解决跨传感器时间同步和坐标系统一时，你遇到过哪些挑战？是如何构建多模态时序对齐框架的？
- 请分享一个你利用VLM/LLM开发自动化标注管线或半监督学习框架，从而降低人工标注成本的实际案例
- 如何将数据策略与VLA/Diffusion Policy模型的后训练紧密结合？你如何诊断感知或规划环节的瓶颈？
- 在物理机器人平台上部署具身智能方案时，Sim2Real的Gap通常体现在哪里？你是如何缩小这一差距的？
- 复习并梳理自己在分布式数据处理、多模态数据对齐、以及大模型分布式训练（DeepSpeed/FSDP）方面的底层原理与实战经验
职位点评
薪资福利85
成长发展95
工作生活70
使命价值90
薪资福利
85较高
作为上市跨国企业的高级研究科学家岗位，薪资水平处于市场中上游，且外企通常提供完善的福利体系与稳定的薪酬结构。
薪资信号偏高 (4千–7万/月)
成长发展
95较高
岗位处于具身智能与Physical AI的最前沿，能接触到工业级先进机器人平台与海量数据，技术成长空间与行业影响力极大。
技术前沿前沿/新兴技术
技术栈VLA、PyTorch、Spark、Flink、Ray、ROS/ROS2、Isaac Sim、MuJoCo、DeepSpeed、FSDP、Sim2Real、Diffusion Policy
成长机会持续学习、提升专业能力、获得职业发展机会
业务类型ambiguous
工作生活
70中等
JD未明确提及工作模式与加班情况，但作为跨国企业研发岗，通常能提供相对规范的工作节奏，不过高级研究岗可能面临一定的技术攻坚压力。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
90较高
致力于推动自主多功能机器人的具身智能发展，将数据全栈研究转化为真实世界自主能力，具有极高的技术使命感与正向社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动自主多功能机器人的具身智能发展、转化为可衡量的真实世界自主能力和部署影响
创新程度开拓性创新（行业首创）
西门子 的其他在招职位
相似职位推荐
Watch Jobs