吉利汽车
具身智能仿真合成数据工具链开发工程师
具身智能仿真合成数据工具链开发工程师
发布于 大约 14 小时前普通员工/个人贡献者
杭州市 / 上海市
高级经验
全职员工
仅现场办公
硕士
具身智能
Nvidia Isaac Sim
Opencv
Pcl
Pytorch
Ros
Tensorflow
Usd
Vla
Vlm
AI 估算 · 30k–50k
职位详情
关于这个职位
作为吉利汽车具身智能仿真合成数据工具链开发工程师，你将负责构建基于NVIDIA Isaac/MuJoCo的高保真合成数据管线，实现从场景搭建、动作执行到数据标注的全流程自动化，为VLA模型训练提供高质量数据
你将参与仿真引擎开发、自动化标注系统构建、域随机化策略实施以及数据质量管理，是推动具身智能技术落地的关键角色
最低要求
硕士及以上学历，计算机、机器人、自动化、物理等相关专业
技术栈：精通Python/C++，熟悉PyTorch/TensorFlow，具备ROS/ROS2开发经验
仿真经验：熟练使用NVIDIA Isaac Sim/Omniverse、MuJoCo或Gazebo，熟悉USD格式与物理引擎参数调优
D视觉基础：熟悉OpenCV、PCL、Open3D，了解相机模型、点云处理与3D重建
工程能力：具备大规模数据并行处理经验，熟悉分布式存储与数据版本管理
工作职责
数据管线架构：设计并开发端到端的合成数据生成（SDG）流水线，支持多模态数据（RGB-D、点云、关节状态、力觉、语言指令）的自动化采集、清洗、标注与存储
仿真引擎开发：基于NVIDIA Isaac Sim/Isaac Lab或MuJoCo构建高保真物理仿真环境，实现机器人本体、传感器、复杂场景的精确建模
自动化标注系统：开发3D边界框、语义分割、深度估计、动作轨迹的自动化标注工具，结合生成式AI增强数据多样性与逼真度
域随机化策略：实施光照、纹理、物理参数、相机位姿的域随机化（Domain Randomization），提升模型从仿真到现实的泛化能力
数据质量管理：构建数据质量评估体系，开发可视化工具监控数据分布、标注一致性与场景覆盖率
优先资格
有OmniVerse Replicator批量导出高质量标注数据的实战经验
熟悉Isaac Lab框架，具备强化学习训练与策略部署经验
有柔性物体仿真或操控相关研究成果（论文或开源项目）
熟悉视觉大模型（VLM）或具身大模型（VLA）的数据格式要求
AI 洞察
优缺点分析
优点
- 具身智能是未来科技趋势，技术前沿，个人成长空间大
- 吉利作为大型企业，资源丰富，平台稳定
- 工作内容涉及仿真、数据、算法，技能积累全面
- 技术栈复杂，需要同时掌握仿真、视觉、数据工程，学习曲线陡峭
- 仿真数据生成与真实世界存在差距，需要不断优化算法
- 可能面临项目周期紧张，需要快速迭代
缺点 / 挑战
- 薪资水平较高，福利待遇完善
- 适合对机器人仿真和具身智能有浓厚兴趣，具备扎实编程和仿真基础，愿意挑战前沿技术的工程师
角色解读
- 从仿真数据工程师向具身智能算法专家发展，深入VLA模型训练与部署
- 可晋升为技术专家或团队负责人，主导仿真数据平台建设
- 有机会跨领域发展，如自动驾驶仿真、机器人仿真等
- 设计并开发端到端的合成数据生成流水线，实现多模态数据的自动化采集、清洗、标注与存储
- 基于NVIDIA Isaac Sim或MuJoCo构建高保真物理仿真环境，进行机器人本体、传感器和场景的建模
- 开发自动化标注工具，包括3D边界框、语义分割、深度估计等，并利用生成式AI增强数据多样性
- 实施域随机化策略，提升模型从仿真到现实的泛化能力，并构建数据质量评估体系
- 精通Python/C++，熟悉PyTorch/TensorFlow，具备ROS/ROS2开发经验
- 熟练使用NVIDIA Isaac Sim/Omniverse、MuJoCo或Gazebo，熟悉USD格式与物理引擎参数调优
- 熟悉OpenCV、PCL、Open3D，了解相机模型、点云处理与3D重建
- 具备大规模数据并行处理经验，熟悉分布式存储与数据版本管理
申请策略
- 了解吉利在具身智能领域的布局，展示对业务的兴趣
- 准备项目案例，展示解决复杂问题的能力
- 突出仿真项目经验，特别是使用NVIDIA Isaac Sim或MuJoCo的项目
- 强调Python/C++编程能力，以及PyTorch/TensorFlow的使用
- 展示3D视觉相关项目，如点云处理、3D重建
- 如有强化学习或VLA相关经验，务必突出
- 熟悉NVIDIA Isaac Sim和Omniverse Replicator，可提前学习
- 了解VLA模型的数据格式，如RT-1、RT-2等
面试指南
- STAR法则：描述情境、任务、行动、结果，突出技术细节
- 强调数据驱动和实验验证，展示量化结果
- 展示对仿真与真实差距的理解，提出解决方案
- 请描述你如何设计一个合成数据生成流水线？
- 如何保证仿真数据在真实场景中的泛化能力？
- 你如何优化物理引擎参数以提升仿真精度？
- 如何评估合成数据的质量？
- 你是否有使用Isaac Sim或MuJoCo的项目经验？
职位点评
73
综合评分
前沿技术、高薪、成长空间大，但工作地点和WLB不明确。
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。
更适合这类人
适合追求技术前沿、渴望在具身智能领域深耕的工程师，对工作地点和WLB要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
该职位薪资水平较高，吉利作为大型上市公司，福利待遇稳定，但具体薪资未在JD中明确。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
该职位涉及前沿的具身智能技术，技术栈先进，成长空间大，但JD未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈NVIDIA Isaac Sim、MuJoCo、PyTorch、TensorFlow、ROS、VLA、VLM、Domain Randomization
业务类型ambiguous
工作生活
50较低
工作地点未明确，可能涉及出差或现场办公，JD未提及弹性工作或远程。
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
70中等
具身智能是未来科技方向，对推动机器人技术发展有积极意义，但JD未明确体现社会价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs