The posting
关于职位 您将负责世界模型驱动的机器人数据生成与增强:让世界模型从「训练与评测的对象」变成「生产数据的引擎」。工作包括应用或训练世界模型进行合成数据生成、设计数据增强框架与多样性度量,并验证合成数据对下游 policy 模型的真实增益。
核心职责: - 研究并落地世界模型驱动的数据增强框架:新颖视角合成、sim-to-real 风格迁移、轨迹条件视频生成,扩展和多样化真实世界机器人训练数据集。 - 构建数据多样性度量:基于视频聚类与去重的标准化多样性指数,用于采购与生成数据的配比决策。 - 评估合成数据价值:设计对照实验验证合成数据对下游 policy 性能的增益,与 VLA 评测线联动。 - 维护生成数据的管线与质量:与数据工程(2a)协作,保证生成数据可入训练管线、可追溯、可复现。
-计算机科学或相关领域硕士/博士(博士优先); -在大规模视频模型、世界模型或数据增强方向有研究或工程经验(视频扩散模型、自回归视频模型、视频 Transformer 任一); -精通 PyTorch,有分布式训练经验(FSDP、DeepSpeed、Megatron); -对生成式建模与时间序列建模有扎实理解; -对数据质量与多样性有量化判断力(聚类、去重、分布度量、mixture 配比实验任一方向)。
加分项: -有将视频模型应用于机器人任务的经验(sim-to-real 迁移、合成数据生成、基于视频预测的规划或学习仿真器); -具备机器人学习数据增强策略经验(轨迹增强、视图合成、领域随机化); -熟悉真实世界机器人数据管道与遥操作数据格式; -在 NeurIPS、ICML、ICLR、CVPR 等顶级会议有第一作者发表记录; -熟悉 3D 感知视频生成、多视图合成或神经场景表示; -有把视频生成与具身 AI、强化学习或机器人操作连接起来的跨领域经验。



