地平线
【地瓜机器人】具身仿真工程师
【地瓜机器人】具身仿真工程师
发布于 大约 16 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
Sim-To-Real
World Model
具身智能
物理仿真
生成式仿真
值不值得投
75综合评分
综合评分 75
前沿技术、高成长性，但工作强度可能较大，适合技术驱动型人才。
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
40K
与具身智能中位数基本持平
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 440 个在招 · 其中具身智能 13 个
市场机会
选择适中
北京 · 具身智能 · 44 个在招
职位详情
关于这个职位
该职位负责构建具身操作与全身移动操作的仿真与评测系统，通过物理仿真、生成式仿真和World Model技术，规模化生产高质量训练数据，并建设可复现的Benchmark，以推动操作策略和loco-manipulation策略的迭代与评估
你将与算法、运控和采集团队紧密合作，解决数据获取难、评测不标准等核心痛点
最低要求
硕士及以上学历，计算机、人工智能、图形学、自动化、机器人等相关专业
理解具身操作或 loco-manipulation 的数据与评测痛点，熟悉至少一类：物理仿真、生成式数据合成、World Model、机器人评测体系
熟悉 Isaac / MuJoCo 等至少一种仿真栈，能搭建任务、传感器、接触与域随机化，并产出可用于训练的轨迹 / 视频数据
精通 Python，熟练使用 PyTorch
能独立完成数据管线、评测脚本与问题定位
具备良好工程素养（Python / C++），代码可读、可维护、可复现
有 Linux 下协作开发经验
工作职责
面向数据缺口的仿真系统设计：针对具身操作与 loco-manipulation 建设统一仿真底座，覆盖多本体、多场景、多物体与长尾扰动，使仿真产出可直接进入模仿学习 / VLA / 运控策略训练集
生成式仿真与 World Model 数据引擎：用生成式场景 / 资产 / 轨迹、视频或状态 World Model，补齐真机难以覆盖的分布，探索「物理仿真给约束、生成模型给多样性」的混合数据方案
有效 Benchmark 建设：定义操作与 loco-manipulation 的可复现评测协议，建设标准任务集、基线、反作弊与日级回归，替代「看一次真机 demo」的评测方式
评测驱动的迭代：在仿真闭环、合成数据、遥操作数据与真机 case 之间建立反馈，用评测结果决定下一轮采集与生成的优先级
平台化与协同：与算法、运控、采集团队协作，提供大规模并行 rollout、数据管线与评测服务，保证训练可复现、对比公平、回归可自动跑
优先资格
有操作数据、全身运动数据或遥操作采集链路的开发经验，理解真机数据为何贵、如何质检
有生成式仿真、World Model 合成数据或 sim-to-real 对齐项目经验
主导或深度参与过具身操作 / locomotion / loco-manipulation Benchmark（任务集、指标、基线、回归）建设
熟悉失败 case 复现、分布对齐、数据质量门禁与自动评测
熟悉 GPU 仿真、大规模并行 rollout 与训练数据管线
在 CV / ML / Robotics / 图形学顶会或期刊发表过论文
有四足 / 双臂 / 人形机器人仿真或开源评测项目经验
同时具备「能规模化造数据」与「能把评测做成可信标尺」的复合背景者优先
AI 洞察
优缺点分析
优点
- 公司已上市，平台稳定，资源充足，有利于长期发展
- 工作内容涉及仿真、生成模型和评测，技能积累全面
- 与顶尖算法团队合作，能接触到行业领先的技术和项目
- 技术难度高，需要同时掌握仿真、生成模型和机器人学知识
- 工作强度可能较大，需要快速迭代和解决复杂问题
- 领域相对新兴，可参考经验有限，需要自主探索和创新
缺点 / 挑战
- 处于具身智能前沿领域，技术挑战大，成长空间广阔
- 适合对具身智能和仿真技术有浓厚兴趣，具备扎实工程能力和算法基础，喜欢挑战和创新的技术型人才
角色解读
- 在仿真与数据领域深耕，成为具身智能数据与评测专家
- 向算法方向拓展，参与操作策略和VLA模型的开发与优化
- 晋升为技术负责人，领导仿真与评测团队，推动平台化建设
- 设计和实现面向具身操作与全身移动操作的仿真系统，包括物理仿真、传感器模拟和域随机化，以生成高质量训练数据
- 开发生成式仿真和World Model数据引擎，利用生成模型补充真实数据难以覆盖的分布，降低数据采集成本
- 建设可复现的Benchmark评测体系，定义任务集、指标和回归协议，为模型选型和发版提供依据
- 与算法、运控和采集团队协作，提供大规模并行rollout、数据管线和评测服务，支持模型持续迭代
- 精通Python和PyTorch，能够独立完成数据管线和评测脚本的开发
- 熟悉至少一种仿真栈（如Isaac、MuJoCo），能搭建任务、传感器和域随机化
- 理解具身操作或loco-manipulation的数据与评测痛点，具备相关领域知识
- 具备良好的工程素养，代码可读、可维护、可复现，有Linux协作开发经验
申请策略
- 关注地平线的具身智能业务方向，了解其技术栈和产品布局
- 在面试中展示对数据稀缺和评测问题的深入思考，体现问题解决能力
- 突出仿真项目经验，如使用Isaac或MuJoCo搭建仿真环境的经历
- 强调数据管线开发能力，包括数据生成、处理和评测的完整流程
- 展示对具身操作或loco-manipulation的理解，如相关项目或论文
- 提及Python和PyTorch的熟练度，以及代码工程化的能力
- 深入学习Isaac Sim或MuJoCo的高级功能，如域随机化和并行仿真
- 了解生成式模型在数据合成中的应用，如GAN或扩散模型
面试指南
- 回答时，先明确问题核心，再结合具体项目经验，阐述设计思路和实现细节，最后强调结果和影响
- 请描述你如何设计一个仿真环境来生成抓取任务的训练数据？
- 如何评估仿真数据对真实世界策略迁移的有效性？
- 你如何设计一个Benchmark来评测loco-manipulation策略？
- 在数据管线中，如何处理仿真与真实数据的分布差异？
- 请举例说明你如何解决仿真中的接触稳定性问题
- 复习物理仿真原理和常用仿真工具的使用
- 准备一个完整的仿真项目案例，包括目标、方法、结果和反思
职位点评
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利
75中等
该职位薪资水平较高，且公司为上市公司，福利待遇稳定，但JD未明确提及具体福利，补偿性动机满足程度较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
该职位涉及前沿技术（物理仿真、生成式仿真、World Model），技术挑战大，成长空间广阔，发展性动机得到高度满足。
技术前沿前沿/新兴技术
技术栈物理仿真、World Model、生成式仿真、Isaac、MuJoCo、PyTorch
业务类型ambiguous
工作生活
50较低
工作地点在北京，但未提及远程或弹性办公，可能为现场办公，生活化动机满足程度一般。
工作模式仅现场办公
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
80较高
具身智能是高速增长赛道，该职位致力于解决数据稀缺和评测缺失问题，对推动机器人技术发展有积极意义，意义感动机满足程度较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs