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 15 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，但工作模式可能不灵活。
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
该职位负责构建面向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以评估和迭代操作策略
你将与算法、运控和采集团队紧密协作，推动机器人从仿真到真机的落地
适合对机器人仿真、数据生成和评测体系有深入理解的技术专家
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（抓取、放置、工具使用、接触力）与 loco-manipulation（边走边操作、全身承力、双臂协调）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，而不是只能看可视化
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：遮挡、滑移、接触失败、负载变化、地形与全身耦合
探索「物理仿真给约束、生成模型给多样性」的混合数据方案，降低遥操作与真机试错成本，服务操作模型与全身策略的规模化训练
有效 Benchmark 建设
定义操作与 loco-manipulation 的可复现评测协议：成功率之外，还要覆盖接触稳定性、移动中操作、泛化到新物体 / 新地形、失败可诊断性
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，成为模型选型与发版门禁
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：哪些任务没数据、哪些指标不灵敏、哪些 sim-to-real 缺口最大
用评测结果决定下一轮采集与生成的优先级，而不是凭感觉堆数据
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，支撑操作模型与 loco-manipulation 策略持续迭代
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
- 公司为上市公司，平台稳定，资源充足，有机会接触大规模仿真系统
- 工作内容涵盖仿真、数据、评测等多个方面，技能积累全面
- 与顶尖算法和运控团队合作，能提升跨领域协作能力
- 技术难度高，需要同时掌握仿真、数据生成和评测体系，学习曲线陡峭
- 工作强度可能较大，需要快速迭代和解决复杂问题
- 适合对机器人仿真、数据生成和评测有浓厚兴趣，具备扎实编程功底和跨领域学习能力的技术专家
缺点 / 挑战
- 处于具身智能前沿赛道，技术挑战高，个人成长空间大
- 仿真与真机之间存在差距，需要不断调试和优化，可能面临压力
角色解读
- 在具身智能领域深耕，成为仿真与数据生成方向的专家，主导大型仿真平台建设
- 向技术管理方向发展，带领团队负责仿真、数据、评测等核心模块
- 在机器人行业，可转向算法研发或产品化方向，推动仿真技术落地到实际机器人产品
- 设计和构建面向具身操作与全身移动操作的仿真系统，包括物理仿真、生成式仿真和World Model数据引擎，以解决真实数据获取困难的问题
- 开发可复现的Benchmark评测协议，定义任务集、指标和回归机制，用于评估和对比操作策略的性能
- 与算法、运控和采集团队协作，提供大规模并行仿真、数据管线和评测服务，支持模型迭代和验证
- 分析仿真与真机之间的差距，利用评测结果驱动数据生成和采集的优先级，持续优化训练数据质量
- 精通Python和PyTorch，能够独立完成数据管线、评测脚本和问题定位
- 熟悉至少一种物理仿真栈（如Isaac、MuJoCo），能搭建任务、传感器和域随机化，并生成训练数据
- 理解具身操作或loco-manipulation的数据与评测痛点，熟悉生成式数据合成、World Model或机器人评测体系
- 具备良好的工程素养，代码可读、可维护、可复现，有Linux下协作开发经验
申请策略
- 关注地平线在具身智能领域的业务布局，了解其仿真平台和产品方向
- 在面试中展示对仿真数据质量和评测重要性的深刻理解，强调实际项目中的成果
- 突出在物理仿真（如Isaac、MuJoCo）和数据处理方面的项目经验，特别是生成式仿真或World Model相关项目
- 强调Python和PyTorch的熟练程度，以及独立完成数据管线和评测脚本的能力
- 展示对具身操作或loco-manipulation数据痛点的理解，以及参与Benchmark建设的经验
- 如有论文发表或开源项目，务必提及，以增加竞争力
- 深入学习Isaac Sim或MuJoCo的高级功能，如域随机化和大规模并行仿真
- 了解World Model和生成式仿真最新研究，尝试复现相关论文
面试指南
- 针对技术问题，采用STAR法则，先说明背景，再描述具体行动，最后强调结果和影响
- 对于设计类问题，先阐述核心目标，再分步骤说明方案，并提及权衡和取舍
- 对于经验类问题，结合项目实例，突出个人贡献和解决问题的能力
- 请描述你使用Isaac或MuJoCo搭建仿真环境的经验，以及如何生成训练数据
- 如何设计一个可复现的Benchmark来评估操作策略？
- 你如何理解sim-to-real gap？有哪些方法可以缩小？
- 请举例说明你如何利用评测结果驱动数据生成和模型迭代
- 在仿真中如何处理接触稳定性和全身耦合问题？
职位点评
薪资福利75
成长发展90
工作生活50
使命价值85
薪资福利
75中等
该职位薪资水平较高，公司为上市公司，福利待遇稳定，但JD中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
该职位处于具身智能前沿，涉及仿真、数据生成和评测等多个技术领域，技能成长空间大，且公司提供良好的平台和资源，发展性动机满足程度高。
技术前沿前沿/新兴技术
技术栈Isaac、MuJoCo、World Model、生成式仿真、PyTorch
业务类型profit_center
工作生活
50较低
JD未提及工作模式，但根据行业惯例，可能为现场办公，且未提及弹性工作或WLB，生活化动机满足程度一般。
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
85较高
具身智能是高速增长赛道，该职位致力于解决数据获取和评测难题，对推动机器人技术落地有积极意义，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