英伟达
Full-Stack Solution Engineer - Sensorized Human
Full-Stack Solution Engineer - Sensorized Human
发布于 12 天前普通员工/个人贡献者
上海市 / 北京市
中级经验
全职员工
仅现场办公
硕士
软件工程
PyTorch
嵌入式系统
PCB设计
3D打印
MQTT
ROS2
ProtoBuf
Reinforcement Learning
Fusion360
AI 估算 · 30k–50k
大厂核心岗位，技术栈前沿（机器人+AI），上海/北京薪资水平高，中级经验匹配中位数4万/月。
职位详情
关于这个职位
作为一名全栈解决方案工程师，你将主导开发 DexUMI 框架，将人类穿戴式硬件与高级计算机视觉结合，实现从人手到机器人灵巧操作的技能迁移
这个职位横跨硬件固件、传感器融合、视觉感知管道和数据工程，需要你在机器人、机器学习和嵌入式系统领域有扎实的工程能力
你将与顶尖团队共同构建数字与物理神经系统，帮助机器人学会精细操作
最低要求
机器人、机器学习、计算机科学、电气工程、机械工程或相关领域的硕士/博士学位（或同等经验），至少 1 年研究和工程经验
“身体”（硬件/嵌入式）：* 精通嵌入式系统 C/C++ 和 ROS2，具有触觉传感、力反馈（触觉）和电机控制的实践经验
机电一体化与原型制作：* 具有 CAD（SolidWorks/Fusion360）和快速原型制作经验，包括 3D 打印和 PCB 设计
“大脑”（软件/AI）：* 精通 Python 和深度学习框架（PyTorch），熟悉计算机视觉（CV）模型
高级 AI 技术（加分项）：* 理解模仿学习或强化学习（RL）是重要的加分项
“桥梁”（集成）：* 具有 Record3D 或 iPhone 空间追踪经验，能够整合感知与物理系统
系统与基础设施：* 具有 Ubuntu/Linux 环境经验，熟悉高性能数据序列化工具如 Protobuf 和 MQTT
工作职责
硬件-软件协同设计：* 维护并迭代 DexUMI 可穿戴外骨骼
你将弥合人手与多种机器人末端执行器（例如 XHand、Inspire Hand）之间的运动学差距
传感器融合与集成：* 将高保真触觉传感器和 IMU 集成到可穿戴接口中
确保低延迟数据流
视觉与感知管道：* 实现并优化“软件适配”层——使用工具将人类操作员从训练数据和机器人体现中分割出来
人工智能数据工程：* 构建稳健的管道，收集、清理和回放灵巧操作数据，用于模仿学习和扩散策略
优化：* 解决双层优化问题，以参数化外骨骼设计，在最大化人类可穿戴性的同时保留机器人等效的指尖工作空间
优先资格
理解模仿学习或强化学习（RL）是重要的加分项
AI 洞察
优缺点分析
优点
- 身处 NVIDIA 这一顶级平台，参与最前沿的机器人 AI 研究，技术积累含金量高
- 真正的全栈角色，从硬件触觉传感器到云端 AI 管道都能深入接触，技能树全面
- 团队氛围浓厚，与顶尖工程师和研究员合作，学习成长速度快
- 技术跨度大，要求同时精通硬件、嵌入式、视觉和 AI，学习曲线陡峭
- 作为解决方案团队，可能需要频繁出差到不同客户或实验室现场支持
- 机器人领域迭代快，需要持续跟踪最新论文和工具，保持技术敏感度
缺点 / 挑战
- 适合有机器人或机电一体化背景，渴望在具身智能领域做硬核技术落地，能接受多领域交叉挑战的工程师
角色解读
- 深耕机器人具身智能领域，成为硬件-软件协同设计的专家
- 可向技术管理方向发展，带领解决方案架构团队
- 积累端到端 AI 系统经验，未来可转型为机器人产品负责人或研究科学家
- 设计并迭代穿戴式外骨骼 DexUMI，打通人手与机器人执行器之间的运动学映射
- 集成触觉传感器、IMU 等硬件，构建低延迟数据采集系统
- 开发视觉感知管道（如人体分割）和数据处理平台，为模仿学习提供高质量训练数据
- 解决双层优化问题，平衡穿戴舒适性与机器人等效工作空间
- 扎实的 C/C++ 嵌入式开发能力和 ROS2 系统集成经验
- 精通 Python 和 PyTorch，熟悉计算机视觉模型
- 具备机械设计（CAD）和快速原型制作（3D 打印、PCB）能力
- 理解模仿学习或强化学习，熟悉 Protobuf、MQTT 等数据序列化工具
申请策略
- 在求职信中重点表达对“具身智能”理念的热情，并提及你对 DexUMI 等框架的理解
- 关注 NVIDIA 机器人团队的博客和技术演讲，体现对最新技术动态的跟踪
- 突出嵌入式系统（C/C++、ROS2）和机械设计（CAD、3D 打印）的实战项目经验
- 强调在计算机视觉或模仿学习方面的研究成果或开源贡献
- 展示数据管道搭建和系统集成能力，特别是与硬件相关的数据采集项目
- 如有机器人竞赛或机器人相关实习经历，务必详细描述技术细节
- 强化 ROS2 和实时系统编程能力，掌握 MoveIt2 或类似运动规划库
- 学习 NVIDIA 的 Isaac Sim 或 Omniverse 平台，积累仿真经验
面试指南
- 对于系统设计类问题，采用“需求分析→方案选型→实现细节→验证优化”的框架
- 对于技术原理问题，先阐述基本概念，再结合项目经验说明实际应用中的挑战与解决方案
- 对于行为问题，使用 STAR 法则（情境、任务、行动、结果）清晰结构化回答
- 请描述你如何在 ROS2 中实现一个传感器驱动节点，并保证低延迟数据流
- 你如何设计一个数据管道来收集人类演示的手部操作数据，并用于训练模仿学习模型？
- 解释一下硬件-软件协同设计中，如何平衡外骨骼的穿戴舒适性与机器人末端执行器的精度？
- 你对 Diffusion Policy 或 Behavioral Cloning 有哪些了解？它们的优缺点是什么？
- 请举例一个你解决的复杂系统工程问题，特别是涉及硬件集成与软件优化的场景
匹配度报告
74
综合匹配度
NVIDIA 机器人全栈岗，前沿具身智能，高成长高压力，薪资优厚但工作生活平衡一般。
适合人群
该职位最适合追求技术前沿、渴望快速成长、对工作和生活平衡要求不高的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展95
工作生活40
使命价值85
薪资福利匹配
75中等
NVIDIA 作为顶级科技公司，薪资待遇具有竞争力，但职位描述未明确薪资范围及福利细节，因此评分中等偏上。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
95较高
该职位涉及最前沿的机器人具身智能技术栈，从硬件触觉到云端 AI，技术挑战高，成长空间极大，且公司平台资源丰富。
技术前沿前沿/新兴技术
技术栈ROS2、PyTorch、Imitation Learning、Reinforcement Learning、Computer Vision、触觉传感、DexUMI、Diffusion Policy
业务类型profit_center
工作生活匹配
40较低
职位仅要求现场办公，未提及弹性工时或远程办公，且机器人硬件集成工作可能需要实验室或工厂驻场，灵活性较低。
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）
使命价值匹配
85较高
机器人具身智能是高速增长的赛道，NVIDIA 在该领域处于领导地位，职位直接推动技术进步，社会影响力正面。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs