主分类：通用算法研发（其他方向）
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": "菜鸟-具身智能仿真系统架构师-杭州",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "菜鸟",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-开发"AI生成
},
"company": {
"company_name": "菜鸟",
"company_industry": "物流 / 供应链 / 物流科技",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "菜鸟提供电商物流服务，并研发自动化及智能化物流技术产品。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 仿真系统搭建：基于 Isaac Sim/Isaac Lab/MuJoCo 等平台，从 0 到 1 构建高保真仓储仿真环境（货架、料箱、输送线、工位）与具身智能数字孪生（单/双机械臂、人形机器人、移动底盘、夹抓/吸盘），完成动力学参数与多传感器（RGB-D、LiDAR、力/触觉）建模标定。\n2. 仿真基础设施：搭建 GPU 集群并行仿真与训练框架，建设 SKU 资产库、自动布局/场景随机化、任务生成、自动重置与实验追踪工具链，支撑大规模策略 Rollout。\n3. 动力学建模，对机器人本体、关节、执行器建立高保真动力学模型；接触、摩擦、柔性/软体等物理现象的建模与调参。\n4. 三向迁移能力：负责 Sim2Sim（跨引擎/跨场景一致性验证）、Sim2Real（域随机化、系统辨识、传感器噪声与时延建模）、Real2Sim（真机数据反向重建场景与参数），持续收敛仿真-真实差距。\n5. 数据与评测：规模化生产合成数据并对齐真机格式（LeRobot/Parquet/RLDS/NPZ），建立仿真质检与标准化 Benchmark，支撑策略上真机前的可复现回归验证。",
"requirements_text": "1. 计算机/自动化/机器人/图形学相关专业，扎实的 Python/C++ 与 Linux 工程能力。\n2. 深度使用过至少一种主流仿真平台，理解刚体动力学、接触求解与调参。\n3. 熟悉 USD/URDF/MJCF，具备完整的机器人建模与场景搭建经验。\n4. 多体动力学，关节约束、FK/IK，摩擦锥，软/硬接触模型，碰撞检测(GJK/EPA)；熟悉数值积分。\n5. 了解模仿学习/强化学习/VLA 训练流程及合成数据的作用与局限。\n加分项\n1. 有 Sim2Real 落地案例：仿真策略成功部署真机。\n2. 有 Real2Sim 经验：NeRF/3DGS 资产扫描重建、真机参数辨识。\n3. 有大规模合成数据（MimicGen/DexMimicGen、域随机化管线）经验。\n4. 有 Isaac Lab/Isaac Gym GPU 并行训练基础设施经验。\n5. 有仓储物流场景理解，或 CoRL/RSS/ICRA/IROS 论文、优质开源项目。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"强化学习",
"建模"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.cainiao.com/off-campus/position-detail?positionId=100002466014"
}
]
},
"posting": {
"posting_id": "100002466014",
"post_date": "2026-07-22",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.cainiao.com/off-campus/position-detail?positionId=100002466014"
},
"fulltext": "菜鸟-具身智能仿真系统架构师-杭州\n菜鸟-具身智能仿真系统架构师-杭州\n\n基础信息\n职位类别：技术类-开发\n工作地点：杭州\n\n职位描述\n1. 仿真系统搭建：基于 Isaac Sim/Isaac Lab/MuJoCo 等平台，从 0 到 1 构建高保真仓储仿真环境（货架、料箱、输送线、工位）与具身智能数字孪生（单/双机械臂、人形机器人、移动底盘、夹抓/吸盘），完成动力学参数与多传感器（RGB-D、LiDAR、力/触觉）建模标定。\n2. 仿真基础设施：搭建 GPU 集群并行仿真与训练框架，建设 SKU 资产库、自动布局/场景随机化、任务生成、自动重置与实验追踪工具链，支撑大规模策略 Rollout。\n3. 动力学建模，对机器人本体、关节、执行器建立高保真动力学模型；接触、摩擦、柔性/软体等物理现象的建模与调参。\n4. 三向迁移能力：负责 Sim2Sim（跨引擎/跨场景一致性验证）、Sim2Real（域随机化、系统辨识、传感器噪声与时延建模）、Real2Sim（真机数据反向重建场景与参数），持续收敛仿真-真实差距。\n5. 数据与评测：规模化生产合成数据并对齐真机格式（LeRobot/Parquet/RLDS/NPZ），建立仿真质检与标准化 Benchmark，支撑策略上真机前的可复现回归验证。\n\n职位要求\n1. 计算机/自动化/机器人/图形学相关专业，扎实的 Python/C++ 与 Linux 工程能力。\n2. 深度使用过至少一种主流仿真平台，理解刚体动力学、接触求解与调参。\n3. 熟悉 USD/URDF/MJCF，具备完整的机器人建模与场景搭建经验。\n4. 多体动力学，关节约束、FK/IK，摩擦锥，软/硬接触模型，碰撞检测(GJK/EPA)；熟悉数值积分。\n5. 了解模仿学习/强化学习/VLA 训练流程及合成数据的作用与局限。\n加分项\n1. 有 Sim2Real 落地案例：仿真策略成功部署真机。\n2. 有 Real2Sim 经验：NeRF/3DGS 资产扫描重建、真机参数辨识。\n3. 有大规模合成数据（MimicGen/DexMimicGen、域随机化管线）经验。\n4. 有 Isaac Lab/Isaac Gym GPU 并行训练基础设施经验。\n5. 有仓储物流场景理解，或 CoRL/RSS/ICRA/IROS 论文、优质开源项目。\n1. 仿真系统搭建：基于 Isaac Sim/Isaac Lab/MuJoCo 等平台，从 0 到 1 构建高保真仓储仿真环境（货架、料箱、输送线、工位）与具身智能数字孪生（单/双机械臂、人形机器人、移动底盘、夹抓/吸盘），完成动力学参数与多传感器（RGB-D、LiDAR、力/触觉）建模标定。\n2. 仿真基础设施：搭建 GPU 集群并行仿真与训练框架，建设 SKU 资产库、自动布局/场景随机化、任务生成、自动重置与实验追踪工具链，支撑大规模策略 Rollout。\n3. 动力学建模，对机器人本体、关节、执行器建立高保真动力学模型；接触、摩擦、柔性/软体等物理现象的建模与调参。\n4. 三向迁移能力：负责 Sim2Sim（跨引擎/跨场景一致性验证）、Sim2Real（域随机化、系统辨识、传感器噪声与时延建模）、Real2Sim（真机数据反向重建场景与参数），持续收敛仿真-真实差距。\n5. 数据与评测：规模化生产合成数据并对齐真机格式（LeRobot/Parquet/RLDS/NPZ），建立仿真质检与标准化 Benchmark，支撑策略上真机前的可复现回归验证。\n1. 计算机/自动化/机器人/图形学相关专业，扎实的 Python/C++ 与 Linux 工程能力。\n2. 深度使用过至少一种主流仿真平台，理解刚体动力学、接触求解与调参。\n3. 熟悉 USD/URDF/MJCF，具备完整的机器人建模与场景搭建经验。\n4. 多体动力学，关节约束、FK/IK，摩擦锥，软/硬接触模型，碰撞检测(GJK/EPA)；熟悉数值积分。\n5. 了解模仿学习/强化学习/VLA 训练流程及合成数据的作用与局限。\n加分项\n1. 有 Sim2Real 落地案例：仿真策略成功部署真机。\n2. 有 Real2Sim 经验：NeRF/3DGS 资产扫描重建、真机参数辨识。\n3. 有大规模合成数据（MimicGen/DexMimicGen、域随机化管线）经验。\n4. 有 Isaac Lab/Isaac Gym GPU 并行训练基础设施经验。\n5. 有仓储物流场景理解，或 CoRL/RSS/ICRA/IROS 论文、优质开源项目。",
"standard_classification": {
"std_category_code": "T033",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}