智元机器人
数据算法开发工程师
数据算法开发工程师
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Nlp
Pytorch
Ros
Vlm
扩散模型
数据合成
数据脱敏
知识图谱
计算机视觉
值不值得投
74综合评分
综合评分 74
前沿具身智能赛道、技术成长空间大、数据全链路闭环挑战高，WLB与薪资细节未明确。
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
3.5万
比数据工程中位数高
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 1490 个在招 · 其中数据工程 4 个
市场机会
选择面较广
上海 · 数据工程 · 约 100 个在招
职位详情
关于这个职位
该职位主要负责多模态原始数据的清洗、解析与预处理，构建具身智能数据预标注算法体系及自动化流水线
同时涉及数据合成、语料处理及质量评价体系建设，为交互智能端侧模型提供高质量的数据支持
最低要求
硕士及以上优先，机器学习、数据科学、计算机或机器人等相关专业
年以上算法或数据工程经验
精通 Python，算法方向需熟悉 PyTorch
至少精通下列方向之一即可：
多模态处理：熟悉 ROS、ROS2、rosbag、MCAP、FFmpeg、OpenCV、点云处理，具备 C++、Python 能力及多传感器标定与时间同步经验
自动标注、质检、挖掘：熟悉 2D、3D 计算机视觉与 VLM、异常检测与数据质量，或数据挖掘、主动学习与聚类
数据合成：熟悉图像、音频或视频合成与数据增强，了解扩散模型、GAN、语音合成或仿真数据生成等技术
交互语料：熟悉语料工程（清洗、去重、质量过滤），NLP 标注（意图、槽位、NER、情感）、语音与 ASR 数据，或知识图谱抽取，理解大语言模型的数据需求
数据合规与脱敏：了解数据合规要求，掌握图像、语音等数据的隐私脱敏与去标识化方法
质量评价：熟悉多模态数据质量评估、质量指标体系与质量门禁设计，具备数据质量标准制定与量化分析能力
具备独立搭建数据算法或处理闭环的能力与跨方向学习意愿
工作职责
负责多模态原始数据（视频、传感器、轨迹等，以 rosbag、MCAP 等格式存储）的清洗、解析与预处理，建设多传感器时间同步、空间对齐与标定，以及抽帧、点云与视频解码等预处理引擎
对图像、视频、语音等数据进行隐私脱敏与去标识化处理，包括人脸、车牌、语音身份等敏感信息的检测与消除，保障数据合规入库
基于多模态基础模型构建具身智能数据预标注算法体系，搭建覆盖图像和动作语义、文本描述与语音交互的自动化标注流水线
开发自动化质检与异常检测，建设低质数据回流的质量反馈闭环，并按数据质量评价体系制定的标准实现
负责海量多模态数据的数据选择、去重（场景与轨迹相似度、音视频语义级）与多样性分析，实现长尾场景的自动识别、聚类与召回，设计主动学习策略筛选高价值样本
研发图像、音频、视频等合成数据的能力，基于生成式模型、仿真与数据增强，补充长尾、稀缺与隐私敏感场景样本，提升数据多样性与场景覆盖
面向交互智能端侧模型，负责文本、语音、对话语料的清洗、去重与质量过滤，方言与口语化数据的 ASR 转写与意图、槽位、实体标注，情感标注，知识图谱抽取与检索增强，以及大模型后训练语料的生产与质量评估
制定并维护多模态数据的质量规则与质量标准（完整性、时序对齐、通道齐全、格式合规、标注质量、多样性等），建设数据质量评价指标体系与质量门禁，作为下游质检与入库的统一依据
优先资格
有端到端、VLA、大模型的数据-模型闭环经验，熟悉真机遥操作、无本体人类视频、仿真合成等多来源具身数据
有智驾数据闭环全链路的端到端经验
有生成式数据合成（图像、语音、视频）或数据脱敏、隐私计算相关经验
熟悉LeRobot、HDF5 等机器人数据格式，处理过大规模开源具身数据集，有数据质量或数据治理标准制定经验
有大语言模型预训练或后训练语料工程经验，有方言、多语种、低资源语言数据，或知识图谱建设与检索增强数据链路经验
AI 洞察
优缺点分析
优点
- 身处具身智能与机器人这一高速增长的前沿赛道，技术栈涵盖多模态大模型、VLM、生成式AI等热门方向
- 公司处于B轮融资阶段且规模中大型，具备较好的资源支持与发展潜力
- 多模态数据处理与具身智能数据标准尚在探索期，需要较强的自驱力与跨方向学习能力来应对技术不确定性
- 适合对具身智能、机器人或大模型数据工程有浓厚兴趣，具备扎实算法基础且愿意深耕数据全链路闭环的技术人才
缺点 / 挑战
- 工作内容极具挑战性，涉及从数据清洗、合成到质量评价的全链路闭环，能积累稀缺的端到端数据工程经验
- 涉及海量数据的清洗、标注与质检，工作可能较为繁琐，且对数据质量的极致追求会带来一定的压力
角色解读
- 可向数据算法专家或具身智能数据架构师方向发展，深入端到端数据-模型闭环
- 随着经验积累，可转型为数据团队技术负责人，主导大规模数据治理与质量标准制定
- 负责多模态原始数据（视频、传感器、轨迹等）的清洗、解析与预处理，构建自动化数据预处理引擎
- 搭建具身智能数据预标注算法体系与自动化标注流水线，开发自动化质检与异常检测机制
- 研发数据合成能力，利用生成式模型补充长尾与稀缺场景样本，并负责交互语料的清洗、标注与质量评估
- 精通 Python 与 PyTorch，具备扎实的多模态数据处理、计算机视觉或 NLP 算法基础
- 熟悉 ROS/ROS2、点云处理、数据合成（扩散模型/GAN）或语料工程中的至少一个细分方向
- 具备独立搭建数据算法闭环的能力，了解数据合规、隐私脱敏及质量评价体系设计
申请策略
- 在求职信或面试中展现对具身智能行业的理解，强调自己跨方向学习的意愿与独立搭建闭环的能力
- 重点突出在多模态数据处理、自动标注、数据合成或语料工程方面的具体项目经验与落地成果
- 展示在数据质量评价体系搭建、自动化质检闭环或数据合规脱敏方面的实际贡献
- 若有端到端、VLA、智驾数据闭环或大模型语料工程经验，务必在简历中显著标明
- 提前熟悉 LeRobot、HDF5 等机器人数据格式，了解具身智能领域的主流开源数据集与处理范式
- 复习并实践扩散模型、GAN 在图像/视频合成中的应用，或深入理解大模型后训练语料的处理流程
面试指南
- 采用 STAR 法则（情境、任务、行动、结果），重点突出你在数据闭环中解决的具体问题及量化收益
- 对于系统设计类问题，从数据流向、算法选型、工程实现与质量监控四个维度进行结构化回答
- 请详细介绍你过往参与的多模态数据预处理或自动标注流水线的设计与实现细节
- 在海量数据去重与长尾场景识别中，你使用了哪些算法或策略？如何评估数据多样性？
- 如果让你设计一套多模态数据的质量评价指标体系，你会包含哪些核心维度？
- 在数据合成或语料清洗过程中，遇到过最大的技术挑战是什么？你是如何解决的？
- 深入了解智元机器人的产品方向与具身智能行业的数据痛点，准备 1-2 个针对其业务场景的数据优化方案
- 复习 ROS/ROS2、点云处理、VLM 或大模型语料工程的核心概念，确保能应对技术细节的深挖
职位点评
薪资福利70
成长发展90
工作生活50
使命价值85
薪资福利
70中等
JD未明确披露薪资与福利细节，但基于岗位技术门槛与上海市场行情，预计能提供具备竞争力的薪酬。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位涉及具身智能、多模态大模型等前沿技术，且要求搭建全链路数据闭环，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、ROS、ROS2、VLM、扩散模型、GAN、NLP、ASR、知识图谱
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与加班情况，无法判断WLB，但机器人研发岗位通常节奏较快。
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
85较高
具身智能与机器人属于国家战略支持的高速增长赛道，推动AI技术落地物理世界，具有较高的社会价值与使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs