主分类：机器人与自动驾驶算法研发
辅助：数据工程与数据平台研发（仅展示）
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": "具身智能VLA模型数据算法工程师-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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责具身智能VLA（视觉-语言-动作）模型预训练数据全流程研发，聚焦数据合成、自动化打标、质量分析与优化，支撑模型实现“感知-理解-执行”一体化能力提升，适配人形机器人、智能交互终端等具身场景需求；\n2、研发高效的自动化打标算法，整合多模态感知、理解等能力，实现动作轨迹、3D位姿、物体交互关系、语言指令对齐等关键信息的自动标注，优化标注精度与效率，降低人工标注成本；搭建VLA预训练数据质量分析体系，设计多维度质量评估指标（如动作执行准确率、跨域迁移稳定性、数据对齐精度等），开发异常数据检测、噪声过滤算法，剔除模糊、错位、语义不一致等低质量样本，保障预训练数据的可靠性与鲁棒性，支撑模型训练效果达标；设计并实现VLA模型预训练数据合成算法，基于仿真引擎/AIGC模型等能力，构建虚拟仿真场景，结合域随机化技术生成大规模、多样化的视觉-语言-动作配对样本，覆盖家居、服务等多类真实场景任务，满足模型预训练的数据规模与多样性要求；\n3、参与VLA模型预训练、微调及验证全流程，结合数据特性优化训练策略，分析数据质量对模型性能的影响，迭代优化数据方案，提升模型在真实物理场景中的泛化能力与动作执行可靠性；\n4、跟进具身智能、VLA模型、多模态数据处理领域的前沿技术（如Sim-to-Real迁移、多模态对齐、自动标注框架等），开展技术调研与方案验证，将先进技术落地到数据研发流程中，推动数据算法的创新与优化；\n5、与模型研发、机器人硬件、仿真测试等团队紧密协作，明确数据需求，交付符合模型训练标准的高质量预训练数据集，配合完成算法集成、测试与迭代，支撑具身智能产品的落地应用。",
"requirements_text": "1、本科及以上学历，计算机、人工智能、软件工程等相关专业；\n2、深入理解VLA模型的核心原理与预训练机制，熟悉视觉-语言-动作三模态数据的特性，掌握多模态数据对齐、特征提取等关键技术，了解主流VLA模型的架构与训练逻辑；\n3、精通Python编程语言，熟练使用PyTorch/TensorFlow等深度学习框架，掌握numpy、h5py、OpenCV等数据处理工具，具备扎实的算法编程与工程实现能力；\n4、具备数据合成、自动化打标相关算法研发经验，熟悉物理仿真平台，能够独立设计虚拟场景与数据生成方案，或有第一人称视频自动标注、3D位姿轨迹提取相关经验者优先；\n5、掌握数据质量分析方法，能够设计合理的质量评估指标，开发异常数据检测与过滤算法，有预训练数据集处理、优化经验者优先；\n6、了解具身智能相关技术（如强化学习、模仿学习、机器人运动控制等），熟悉机器人感知-决策-控制一体化流程，有机器人数据采集、处理相关经验者优先。\n\n加分项：\n1、有VLA模型预训练数据全流程研发经验，曾主导或参与具身智能预训练数据集构建者；\n2、在顶会（CVPR、ICCV、ECCV、NeurIPS、ICML等）发表过VLA、多模态数据处理、具身智能相关论文者；\n3、熟悉遥操作数据采集技术、域随机化方法，或有机器人灵巧手操作、人形机器人数据处理相关经验者；\n4、参与过开源具身智能数据集构建或VLA模型相关项目者。",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"深度学习",
"强化学习"
],
"preferred_qualifications": "4、具备数据合成、自动化打标相关算法研发经验，熟悉物理仿真平台，能够独立设计虚拟场景与数据生成方案，或有第一人称视频自动标注、3D位姿轨迹提取相关经验者优先；5、掌握数据质量分析方法，能够设计合理的质量评估指标，开发异常数据检测与过滤算法，有预训练数据集处理、优化经验者优先；6、了解具身智能相关技术（如强化学习、模仿学习、机器人运动控制等），熟悉机器人感知-决策-控制一体化流程，有机器人数据采集、处理相关经验者优先；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/7645220782528940341/detail"
}
]
},
"posting": {
"posting_id": "7645220782528940341",
"post_date": "2026-05-29",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7645220782528940341/detail"
},
"fulltext": "具身智能VLA模型数据算法工程师-AI数据与安全\n职位描述\n1、负责具身智能VLA（视觉-语言-动作）模型预训练数据全流程研发，聚焦数据合成、自动化打标、质量分析与优化，支撑模型实现“感知-理解-执行”一体化能力提升，适配人形机器人、智能交互终端等具身场景需求；\n2、研发高效的自动化打标算法，整合多模态感知、理解等能力，实现动作轨迹、3D位姿、物体交互关系、语言指令对齐等关键信息的自动标注，优化标注精度与效率，降低人工标注成本；搭建VLA预训练数据质量分析体系，设计多维度质量评估指标（如动作执行准确率、跨域迁移稳定性、数据对齐精度等），开发异常数据检测、噪声过滤算法，剔除模糊、错位、语义不一致等低质量样本，保障预训练数据的可靠性与鲁棒性，支撑模型训练效果达标；设计并实现VLA模型预训练数据合成算法，基于仿真引擎/AIGC模型等能力，构建虚拟仿真场景，结合域随机化技术生成大规模、多样化的视觉-语言-动作配对样本，覆盖家居、服务等多类真实场景任务，满足模型预训练的数据规模与多样性要求；\n3、参与VLA模型预训练、微调及验证全流程，结合数据特性优化训练策略，分析数据质量对模型性能的影响，迭代优化数据方案，提升模型在真实物理场景中的泛化能力与动作执行可靠性；\n4、跟进具身智能、VLA模型、多模态数据处理领域的前沿技术（如Sim-to-Real迁移、多模态对齐、自动标注框架等），开展技术调研与方案验证，将先进技术落地到数据研发流程中，推动数据算法的创新与优化；\n5、与模型研发、机器人硬件、仿真测试等团队紧密协作，明确数据需求，交付符合模型训练标准的高质量预训练数据集，配合完成算法集成、测试与迭代，支撑具身智能产品的落地应用。\n\n职位要求\n1、本科及以上学历，计算机、人工智能、软件工程等相关专业；\n2、深入理解VLA模型的核心原理与预训练机制，熟悉视觉-语言-动作三模态数据的特性，掌握多模态数据对齐、特征提取等关键技术，了解主流VLA模型的架构与训练逻辑；\n3、精通Python编程语言，熟练使用PyTorch/TensorFlow等深度学习框架，掌握numpy、h5py、OpenCV等数据处理工具，具备扎实的算法编程与工程实现能力；\n4、具备数据合成、自动化打标相关算法研发经验，熟悉物理仿真平台，能够独立设计虚拟场景与数据生成方案，或有第一人称视频自动标注、3D位姿轨迹提取相关经验者优先；\n5、掌握数据质量分析方法，能够设计合理的质量评估指标，开发异常数据检测与过滤算法，有预训练数据集处理、优化经验者优先；\n6、了解具身智能相关技术（如强化学习、模仿学习、机器人运动控制等），熟悉机器人感知-决策-控制一体化流程，有机器人数据采集、处理相关经验者优先。\n\n加分项：\n1、有VLA模型预训练数据全流程研发经验，曾主导或参与具身智能预训练数据集构建者；\n2、在顶会（CVPR、ICCV、ECCV、NeurIPS、ICML等）发表过VLA、多模态数据处理、具身智能相关论文者；\n3、熟悉遥操作数据采集技术、域随机化方法，或有机器人灵巧手操作、人形机器人数据处理相关经验者；\n4、参与过开源具身智能数据集构建或VLA模型相关项目者。\n1、负责具身智能VLA（视觉-语言-动作）模型预训练数据全流程研发，聚焦数据合成、自动化打标、质量分析与优化，支撑模型实现“感知-理解-执行”一体化能力提升，适配人形机器人、智能交互终端等具身场景需求；\n2、研发高效的自动化打标算法，整合多模态感知、理解等能力，实现动作轨迹、3D位姿、物体交互关系、语言指令对齐等关键信息的自动标注，优化标注精度与效率，降低人工标注成本；搭建VLA预训练数据质量分析体系，设计多维度质量评估指标（如动作执行准确率、跨域迁移稳定性、数据对齐精度等），开发异常数据检测、噪声过滤算法，剔除模糊、错位、语义不一致等低质量样本，保障预训练数据的可靠性与鲁棒性，支撑模型训练效果达标；设计并实现VLA模型预训练数据合成算法，基于仿真引擎/AIGC模型等能力，构建虚拟仿真场景，结合域随机化技术生成大规模、多样化的视觉-语言-动作配对样本，覆盖家居、服务等多类真实场景任务，满足模型预训练的数据规模与多样性要求；\n3、参与VLA模型预训练、微调及验证全流程，结合数据特性优化训练策略，分析数据质量对模型性能的影响，迭代优化数据方案，提升模型在真实物理场景中的泛化能力与动作执行可靠性；\n4、跟进具身智能、VLA模型、多模态数据处理领域的前沿技术（如Sim-to-Real迁移、多模态对齐、自动标注框架等），开展技术调研与方案验证，将先进技术落地到数据研发流程中，推动数据算法的创新与优化；\n5、与模型研发、机器人硬件、仿真测试等团队紧密协作，明确数据需求，交付符合模型训练标准的高质量预训练数据集，配合完成算法集成、测试与迭代，支撑具身智能产品的落地应用。\n1、本科及以上学历，计算机、人工智能、软件工程等相关专业；\n2、深入理解VLA模型的核心原理与预训练机制，熟悉视觉-语言-动作三模态数据的特性，掌握多模态数据对齐、特征提取等关键技术，了解主流VLA模型的架构与训练逻辑；\n3、精通Python编程语言，熟练使用PyTorch/TensorFlow等深度学习框架，掌握numpy、h5py、OpenCV等数据处理工具，具备扎实的算法编程与工程实现能力；\n4、具备数据合成、自动化打标相关算法研发经验，熟悉物理仿真平台，能够独立设计虚拟场景与数据生成方案，或有第一人称视频自动标注、3D位姿轨迹提取相关经验者优先；\n5、掌握数据质量分析方法，能够设计合理的质量评估指标，开发异常数据检测与过滤算法，有预训练数据集处理、优化经验者优先；\n6、了解具身智能相关技术（如强化学习、模仿学习、机器人运动控制等），熟悉机器人感知-决策-控制一体化流程，有机器人数据采集、处理相关经验者优先。\n\n加分项：\n1、有VLA模型预训练数据全流程研发经验，曾主导或参与具身智能预训练数据集构建者；\n2、在顶会（CVPR、ICCV、ECCV、NeurIPS、ICML等）发表过VLA、多模态数据处理、具身智能相关论文者；\n3、熟悉遥操作数据采集技术、域随机化方法，或有机器人灵巧手操作、人形机器人数据处理相关经验者；\n4、参与过开源具身智能数据集构建或VLA模型相关项目者。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [
"T016"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}