{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "机器人学习工程师",
        "job_level": "中级",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "深圳·福田区·梅林",
        "work_mode": "现场办公",AI生成
        "job_category": "AI应用软件工程师"AI生成
    },
    "company": {
        "company_name": "协创数据",
        "company_industry": "互联网",
        "company_size": "1000-9999人",
        "company_website": "未披露",
        "company_description": "协创数据技术股份有限公司成立于2005年，总部坐落在深圳市福田区，在深圳，东莞，合肥，上海，菲律宾，泰国等地设有研发中心和智能制造工厂，是创业板上市企业（股票代码：300857，股票简称：协创数据），专注于云视频-视频摄像机/数据存储及应用/智能扫地机/智能穿戴/智能车联网，云娱乐-云游戏/投影仪/虚拟现实，云智造-云办公解决方案/智能智造解决方案/企业视频解决方案等智能设备的研发-制造-销售-服务，目前服务联想，小米，Anker，360，中国移动，LG，OPPO等全球客户，提供一站式解决方案。\n\n      旗下子公司——深圳宇讯云游科技有限公司，是一家以大屏游娱服务、智能硬件为核心的互联网科技公司，控股公司协创数据集团（A股上市）是智能硬件和云服务的龙头企业，赋予了宇讯云游强大的产业链资源和研发制造能力。宇讯云游与腾讯云游戏平台腾讯先游联合出品腾讯先游云游指挥官游娱套装（游娱主机+游娱手柄），可将手游（王者荣耀、和平精英等）拓展到大屏场景，其分体可拆卸式的定制手柄，打破了硬件和交互壁垒，让手游拥有全新的体验和场景。"
    },
    "compensation": {
        "salary_range": {
            "min": 25000,
            "max": 40000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "五险一金 | 通讯补贴 | 节日福利 | 股票期权 | 年终奖 | 带薪年假 | 全勤奖 | 绩效奖金 | 加班补助 | 定期体检 | 住房补贴 | 餐补 | 交通补助 | 员工旅游"
    },
    "requirements": {
        "working_years": 3,
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 数据集构建与管理\n 构建面向机器人学习的数据集(Dataset)\n 设计数据组织、Metadata、Task、Skill 等数据结构\n 建立训练集、验证集、测试集划分策略\n 维护持续迭代的数据版本(Dataset Version)\n2. 数据价值评估\n 基于机器人学习任务评估数据质量与数据价值\n 分析不同釆集场景、动作类型、釆集方式对模型性能的影响\n 建立数据质量指标和数据评分体系\n 输出数据采集优化建议\n3. 模型训练与验证\n 基于开源机器人模型开展训练与验证,包括但不限于 OpenVLA / GR00T / RT系列 / Diffusion Policy / ACT / LeRobot\n 完成模型训练、微调(Fine-tuning)及推理验证\n 评估模型在不同任务上的成功率、泛化能力及鲁棒性\n4. 数据自动化 Pipeline\n 搭建机器人学习训练 Pipeline\n 建立数据预处理、训练、评测自动化流程\n 支持持续训练(Continuous Training)与持续评估(Continuous Evaluation)\n5. Benchmark 建设\n 建立机器人学习评测体系,包括 Pick & Place / 装配 / 插接 / 拧螺丝 / 开关门 / 工具使用 / 工厂作业等典型任务\n 输出统一的数据和模型 Benchmark\n6. 技术研究\n 持续跟踪具身智能与机器人学习领域最新技术,包括 Vision-Language-Action(VLA)/ World Model / Imitation Learning / Behavior Cloning / Reinforcement Learning / Diffusion Policy / Foundation Model for Robotics\n 推动技术在产品中的落地",
        "requirements_text": "1. 基本要求\n 计算机、人工智能、机器人等相关专业本科及以上学历\n 3年以上机器人学习、机器学习或计算机视觉相关经验\n 扎实的 Python 编程能力\n 熟悉 Linux 开发环境\n 熟悉 PyTorch\n2. 熟悉机器人学习(具备以下方向中的一个或多个经验)\n Robot Learning / Imitation Learning / Behavior Cloning / Reinforcement Learning / Vision-Language-Action / Manipulation Learning\n3. 熟悉机器人数据集(具备以下至少一项)\n LeRobot Dataset / Open X-Embodiment / BridgeData / DROID / Ego4D / EPIC-KITCHENS / LIBERO\n4. 熟悉机器人模型(具备以下至少一项)\n OpenVLA / GR00T / RT-1 / RT-2 / ACT / Diffusion Policy / Pi0 或同类机器人基础模型\n5. 数据分析能力\n 数据统计分析 / 数据质量分析 / 长尾数据分析 / 数据采样策略设计 / 数据可视化 / Benchmark 构建\n6. 工程能力\n 熟悉 ROS / ROS2、Docker、CUDA、Git、Hugging Face、Weights & Biases、MLflow 中至少3项",
        "skills": [AI生成
            "Linux/DevOps/CI-CD",
            "制造/工业行业知识",
            "数据分析与指标体系",
            "数据资产治理",
            "模型/Agent评测体系",
            "模型微调与对齐",
            "模型训练与算法优化",
            "经营分析与转化漏斗",
            "编程与代码实现"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "3-5年 | 本科"
    },
    "contact": {
        "recruiter_name": "冯女士",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/d6699fb263be074b0nJ_2du_GFFS.html"
            }
        ]
    },
    "posting": {
        "posting_id": "d6699fb263be074b0nJ_2du_GFFS",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/d6699fb263be074b0nJ_2du_GFFS.html"
    },
    "fulltext": "发表算法相关优秀论文\nC/C++\nJava\n深度学习\n自然语言处理算法\n算法工程化经验\n模型加速/性能优化\nPython\n岗位职责：\n1. 数据集构建与管理\n 构建面向机器人学习的数据集（Dataset）\n 设计数据组织、Metadata、Task、Skill 等数据结构\n 建立训练集、验证集、测试集划分策略\n 维护持续迭代的数据版本（Dataset Version）\n2. 数据价值评估\n 基于机器人学习任务评估数据质量与数据价值\n 分析不同⾤集场景、动作类型、⾤集⽅式对模型性能的影响\n 建立数据质量指标和数据评分体系\n 输出数据采集优化建议\n3. 模型训练与验证\n 基于开源机器⼈模型开展训练与验证，包括但不限于 OpenVLA / GR00T / RT系列 / Diffusion Policy / ACT / LeRobot\n 完成模型训练、微调（Fine-tuning）及推理验证\n 评估模型在不同任务上的成功率、泛化能力及鲁棒性\n4. 数据自动化 Pipeline\n 搭建机器人学习训练 Pipeline\n 建立数据预处理、训练、评测自动化流程\n 支持持续训练（Continuous Training）与持续评估（Continuous Evaluation）\n5. Benchmark 建设\n 建立机器人学习评测体系，包括 Pick & Place / 装配 / 插接 / 拧螺丝 / 开关门 / 工具使用 / 工厂作业等典型任务\n 输出统一的数据和模型 Benchmark\n6. 技术研究\n 持续跟踪具身智能与机器人学习领域最新技术，包括 Vision-Language-Action（VLA）/ World Model / Imitation Learning / Behavior Cloning / Reinforcement Learning / Diffusion Policy / Foundation Model for Robotics\n 推动技术在产品中的落地\n任职要求：\n1. 基本要求\n 计算机、人工智能、机器人等相关专业本科及以上学历\n 3年以上机器人学习、机器学习或计算机视觉相关经验\n 扎实的 Python 编程能力\n 熟悉 Linux 开发环境\n 熟悉 PyTorch\n2. 熟悉机器人学习（具备以下方向中的一个或多个经验）\n Robot Learning / Imitation Learning / Behavior Cloning / Reinforcement Learning / Vision-Language-Action / Manipulation Learning\n3. 熟悉机器人数据集（具备以下至少一项）\n LeRobot Dataset / Open X-Embodiment / BridgeData / DROID / Ego4D / EPIC-KITCHENS / LIBERO\n4. 熟悉机器人模型（具备以下至少一项）\n OpenVLA / GR00T / RT-1 / RT-2 / ACT / Diffusion Policy / Pi0 或同类机器人基础模型\n5. 数据分析能力\n 数据统计分析 / 数据质量分析 / 长尾数据分析 / 数据采样策略设计 / 数据可视化 / Benchmark 构建\n6. 工程能力\n 熟悉 ROS / ROS2、Docker、CUDA、Git、Hugging Face、Weights & Biases、MLflow 中至少3项"
}