主分类：数据工程与数据平台研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "仿真数据生成工程师（物理引擎/世界模型方向）-AI数据与安全",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "研发"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、基于物理仿真平台（如：Isaac Sim/MuJoCo/Omniverse）构建数据生成系统：多物体交互场景（刚体/软体/关节系统），真实物理约束（碰撞、摩擦、动力学），多视角、多模态（RGB/Depth/Seg/Point Cloud）；\n2、设计并生成用于模型训练的数据：带轨迹的序列数据（state/action/observation），可控分布（domain randomization/curriculum），支持长序列、多镜头、复杂交互；\n3、构建数据生成Pipeline：自动化场景构建与调度，数据标注（3D bbox/pose/contact/affordance），数据质量评估与筛选（OOD、多样性、物理一致性）；\n4、支持模型训练需求：对齐世界模型输入输出格式（latent/token/Video），支持VLA/VLM的数据接口设计，与算法团队协作优化数据分布。",
"requirements_text": "1、熟悉至少一种物理仿真引擎：Isaac Sim（强优先），MuJoCo/PyBullet/Drake/Brax等；\n2、理解基础物理仿真原理：刚体动力学、关节系统、接触建模，仿真稳定性（time step/solver/constraint）；\n3、熟练Python/C++，能进行系统开发；\n4、有数据生成或机器人仿真经验（而非纯渲染）。\n\n加分项：\n1、使用过Isaac Sim+Omniverse Replicator做过数据生成；\n2、有机器人相关经验：manipulation/locomotion/grasping；\n3、熟悉以下任一方向：sim2real/domain randomization、trajectory generation/control policy rollout、3D数据（point cloud/mesh/sdf）；\n4、了解生成模型或世界模型训练数据需求：diffusion/autoregressive video、VLA/decision transformer类结构；\n5、做过以下任一任务：视频生成数据构建（类似Genie/Sora数据思路），具身智能数据（RT-X/Open X-Embodiment类），3D场景理解数据（ScanNet/Habitat类）。",
"skills": [AI生成
"Python",
"C++",
"模型训练",
"建模",
"渲染"
],
"preferred_qualifications": "1、熟悉至少一种物理仿真引擎：Isaac Sim（强优先），MuJoCo/PyBullet/Drake/Brax等；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7631491997161490741/detail"
}
]
},
"posting": {
"posting_id": "7631491997161490741",
"post_date": "2026-04-22",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7631491997161490741/detail"
},
"fulltext": "仿真数据生成工程师（物理引擎/世界模型方向）-AI数据与安全\n职位描述\n1、基于物理仿真平台（如：Isaac Sim/MuJoCo/Omniverse）构建数据生成系统：多物体交互场景（刚体/软体/关节系统），真实物理约束（碰撞、摩擦、动力学），多视角、多模态（RGB/Depth/Seg/Point Cloud）；\n2、设计并生成用于模型训练的数据：带轨迹的序列数据（state/action/observation），可控分布（domain randomization/curriculum），支持长序列、多镜头、复杂交互；\n3、构建数据生成Pipeline：自动化场景构建与调度，数据标注（3D bbox/pose/contact/affordance），数据质量评估与筛选（OOD、多样性、物理一致性）；\n4、支持模型训练需求：对齐世界模型输入输出格式（latent/token/Video），支持VLA/VLM的数据接口设计，与算法团队协作优化数据分布。\n\n职位要求\n1、熟悉至少一种物理仿真引擎：Isaac Sim（强优先），MuJoCo/PyBullet/Drake/Brax等；\n2、理解基础物理仿真原理：刚体动力学、关节系统、接触建模，仿真稳定性（time step/solver/constraint）；\n3、熟练Python/C++，能进行系统开发；\n4、有数据生成或机器人仿真经验（而非纯渲染）。\n\n加分项：\n1、使用过Isaac Sim+Omniverse Replicator做过数据生成；\n2、有机器人相关经验：manipulation/locomotion/grasping；\n3、熟悉以下任一方向：sim2real/domain randomization、trajectory generation/control policy rollout、3D数据（point cloud/mesh/sdf）；\n4、了解生成模型或世界模型训练数据需求：diffusion/autoregressive video、VLA/decision transformer类结构；\n5、做过以下任一任务：视频生成数据构建（类似Genie/Sora数据思路），具身智能数据（RT-X/Open X-Embodiment类），3D场景理解数据（ScanNet/Habitat类）。\n1、基于物理仿真平台（如：Isaac Sim/MuJoCo/Omniverse）构建数据生成系统：多物体交互场景（刚体/软体/关节系统），真实物理约束（碰撞、摩擦、动力学），多视角、多模态（RGB/Depth/Seg/Point Cloud）；\n2、设计并生成用于模型训练的数据：带轨迹的序列数据（state/action/observation），可控分布（domain randomization/curriculum），支持长序列、多镜头、复杂交互；\n3、构建数据生成Pipeline：自动化场景构建与调度，数据标注（3D bbox/pose/contact/affordance），数据质量评估与筛选（OOD、多样性、物理一致性）；\n4、支持模型训练需求：对齐世界模型输入输出格式（latent/token/Video），支持VLA/VLM的数据接口设计，与算法团队协作优化数据分布。\n1、熟悉至少一种物理仿真引擎：Isaac Sim（强优先），MuJoCo/PyBullet/Drake/Brax等；\n2、理解基础物理仿真原理：刚体动力学、关节系统、接触建模，仿真稳定性（time step/solver/constraint）；\n3、熟练Python/C++，能进行系统开发；\n4、有数据生成或机器人仿真经验（而非纯渲染）。\n\n加分项：\n1、使用过Isaac Sim+Omniverse Replicator做过数据生成；\n2、有机器人相关经验：manipulation/locomotion/grasping；\n3、熟悉以下任一方向：sim2real/domain randomization、trajectory generation/control policy rollout、3D数据（point cloud/mesh/sdf）；\n4、了解生成模型或世界模型训练数据需求：diffusion/autoregressive video、VLA/decision transformer类结构；\n5、做过以下任一任务：视频生成数据构建（类似Genie/Sora数据思路），具身智能数据（RT-X/Open X-Embodiment类），3D场景理解数据（ScanNet/Habitat类）。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}