智元机器人
数据算法开发工程师/专家
数据算法开发工程师/专家
发布于 43 分钟前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Asr
Ffmpeg
Mcap
Minhash
Ner
Opencv
Pcl
Pytorch
Rlhf
AI 估算 · 25k–45k
上海B轮机器人公司，3年以上算法经验，数据工程方向，薪资具有竞争力，综合市场和职位要求估算。
职位详情
关于这个职位
该职位专注于具身智能领域的数据算法开发，涵盖数据质量评价、多模态处理、自动标注和挖掘等方向
你将参与建设数据-模型闭环，优化数据配比以提升模型性能，并处理海量机器人多模态数据
适合有扎实算法背景、对机器人数据工程感兴趣的技术人才
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：
）质量评价：熟悉数据质量评估、数据选择与配比、Scaling Law 及模型评测方法，具备消融实验设计与量化归因分析能力
）多模态处理：熟悉 ROS、ROS2、rosbag、MCAP、FFmpeg、OpenCV、点云处理（PCL），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
）交互语料：熟悉语料工程（清洗、去重、质量过滤、配比）、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（预训练、SFT、RLHF）
· 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
制定并维护多模态数据的质量规则与标准，涵盖完整性、时序对齐、通道齐全、格式合规、标注质量、多样性等方面
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
同时，建立数据 - 模型全链路归因与消融实验，进行数据价值建模与 Scaling 曲线分析，通过数据配比优化反哺采集与数据选择策略
负责多模态原始数据（如视频、传感器、轨迹等，以 rosbag、MCAP 等格式存储）的清洗、解析与预处理工作
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
统一数据对象与元数据管理（Session、Topic、Channel、Manifest），落实 DatasetVersion、DataTaskRun 口径与 Data Contract
基于 VLM、FM 构建具身智能数据预标注体系，搭建覆盖 2D 图像语义、3D 点云与多模态文本描述的自动化标注流水线
研发在线打标（Online Labeling）与基于置信度的自动初筛，通过难例挖掘突破长尾场景
同时，开发自动化质检与异常检测（包括异常轨迹、坏帧、标定漂移、标注错误等），建设低质数据回流的质量反馈闭环，并依据数据质量评价体系标准执行
负责海量多模态数据的数据选择、去重（场景与轨迹相似度、语义级）与多样性分析，实现长尾 Corner Case 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，通过数据配比优化反哺数据采集工作
进行文本、语音、对话语料的清洗、去重（MinHash、SimHash、LSH）、质量过滤与配比
完成自然语言理解数据（方言、口语化）的 ASR 转写与意图、槽位、实体标注
开展情感计算数据的文本与语音情感标注、构建情感标签体系与对话情绪流转
进行知识图谱的实体与关系抽取、三元组构建、知识对齐与融合、KG - to - text 及检索增强
负责大模型后训练语料（指令、SFT、偏好与 RLHF 数据）的生产与质量评估
优先资格
有端到端、VLA、大模型的数据-模型闭环经验，熟悉数据混合策略（真机遥操作、无本体人类视频、仿真合成数据的最优配比）与消融分析
有智驾数据闭环全链路（多模态解析、Auto Labeling、DQC、Corner Case 挖掘）的端到端经验
熟悉在线学习与实时流处理、LeRobot、HDF5 等机器人数据格式
处理过 Ego4D、Open X-Embodiment 等大规模具身数据集
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（RAG）数据链路经验
AI 洞察
优缺点分析
优点
- 身处具身智能风口赛道，公司处于B轮快速成长期，技术积累和成长空间大
- 工作内容涵盖数据全链路，技术栈前沿（VLM、大模型、机器人），技能积累丰富
- 团队氛围技术导向，有机会参与数据-模型闭环的核心决策，影响力大
- 工作要求跨方向能力，需要同时掌握多种技能（视觉、NLP、数据工程），学习曲线陡峭
- 机器人数据工程复杂度高，涉及多传感器同步、海量处理，系统稳定性要求高
- 适合有3年以上算法经验、热爱机器人领域、愿意深入数据工程、具备较强学习和跨方向能力的求职者
缺点 / 挑战
- B轮公司节奏快，可能面临较大的交付压力
角色解读
- 深入数据-模型闭环，成长为数据算法专家或数据科学负责人
- 横向拓展至机器人感知、控制、规划等方向，成为全栈算法专家
- 在具身智能领域积累深厚经验，向技术Leader或架构师发展
- 制定多模态数据质量标准和评估体系，确保数据合规和多样性
- 构建自动化标注流水线和质检系统，支持2D/3D视觉与多模态数据
- 通过数据去重、主动学习、难例挖掘优化数据配比，提升模型性能
- 处理大规模语料，包括清洗、去重、标注，以及大模型后训练数据生产
- 精通Python和PyTorch，具备扎实的机器学习和数据工程基础
- 熟悉ROS/ROS2、多传感器标定、点云处理、计算机视觉等机器人相关技术
- 掌握数据质量评估、Scaling Law、消融实验等数据科学方法论
- 具备NLP、知识图谱、ASR等语料处理经验者更佳
申请策略
- 面试前深入了解智元机器人的技术路线和产品方向，展现对具身智能的理解和热情
- 准备一个数据-模型闭环项目的完整案例，包括问题、方案、效果和反思
- 突出机器人或自动驾驶数据闭环经验，特别是多模态处理、自动标注、数据质量评估相关项目
- 重点展示Python、PyTorch、ROS等技能，以及数据挖掘、主动学习、Scaling Law相关的成果
- 如有大模型语料工程、知识图谱构建经验，务必强调
- 列举具体数据规模、模型效果提升等量化指标
- 补充ROS2、点云处理（PCL）等机器人数据技能，可通过开源项目学习
- 熟悉VLM（如CLIP、LLaVA）在标注和质量检测中的应用
面试指南
- STAR法则：情境、任务、行动、结果，突出量化成效
- 技术深度：从原理到实现细节，展示对技术的掌握程度
- 系统性思维：不仅关注单点问题，更重视闭环和可扩展性
- 请描述一个你负责过的数据质量评估或数据清洗项目，如何设定标准和量化结果？
- 如何处理多传感器时间同步和空间对齐？遇到过哪些挑战？
- 你如何定义和挖掘自动驾驶/机器人中的长尾场景？
- 在大模型数据生产中，如何平衡数据质量和多样性？
- 说说你对Scaling Law的理解，以及如何用于指导数据配比？
职位点评
72
综合评分
前沿赛道、技术驱动、高成长性，但工作强度可能较大，灵活性低。
更适合这类人
最适合追求技术成长、热爱创新、愿意投入时间学习前沿技术的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展92
工作生活40
使命价值85
薪资福利
70中等
B轮创业公司薪资有一定竞争力，但存在一定波动性。福利未明确提及，稳定性一般。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
92较高
该职位技术栈非常前沿（具身智能、VLM、大模型），涉及数据全链路，成长空间极大。明确要求跨方向学习意愿，内部培训机会可预期。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、ROS、ROS2、VLM、FM、数据挖掘、Scaling Law、大模型、RLHF
成长机会跨方向学习意愿
业务类型ambiguous
工作生活
40较低
仅现场办公，上海地点一般通勤时间较长，未提及弹性工作，可能有一定强度。
工作模式仅现场办公
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
具身智能是未来科技方向，具有改变人机交互的潜力，社会影响力高。公司专注于机器人技术，使命感强。
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