工作职责：

1、超大规模并行仿真平台构建：
基于 NVIDIA Isaac Gym / Isaac Sim (Omniverse) 或 MuJoCo 搭建分布式仿真集群，支持 GPU 端的末端并行加速。
负责高密度场景（如杂乱仓库、复杂家庭环境）的程序化内容生成（PCG），提升模型在长尾场景下的泛化能力。
2、物理仿真精度与 Sim-to-Real 攻关：
动力学辨识：负责机器人关节执行器（Actuator）、传动系统及复杂接触力的建模与参数辨识，确保仿真曲线与实机测试高度重合。
领域随机化 (DR)：设计精细的物理参数随机化策略（如摩擦力、质量、重心、传感器噪声分布），利用 System Identification 技术缩小“仿真鸿沟”。
3、视觉渲染与传感器模拟：
利用 Ray Tracing（光线追踪） 等技术，在仿真中高度还原多相机、激光雷达及触觉传感器的原始输出。
开发自动标注工具，为视觉算法提供高质量的语义分割、深度信息及 6D 姿态标注数据。
4、自动化验证体系 (CI/CD for Robotics)：
构建从代码提交到仿真评测的自动化流水线，通过场景化测试集对算法进行多维度的安全性（Safety Check）与鲁棒性评分。

任职资格：

1、技术栈基础：
扎实的 C++ 与 Python 功底，熟悉多线程/多进程编程及 GPU 内存管理。
精通 UE5 (Unreal Engine 5) 或 Unity，熟悉渲染管线、物理插件集成及插件开发。
2、物理与数学能力：
深入理解多体动力学（Multi-body Dynamics）、有限元分析（FEA）及数值积分算法（如 Euler, Runge-Kutta）。
能够通过数学手段解决接触力（Contact Force）重叠、碰撞检测漏穿、系统振荡等物理引擎共性痛点。
3、行业背景：
参考 智元机器人、宇树科技、特斯拉 Optimus 或 NVIDIA Isaac 相关团队的仿真管线经验。
有大规模强化学习（RL）环境封装经验，熟悉 OpenAI Gym / PettingZoo 接口规范。
4、核心素质：
具备“像素级”的观察力，能敏锐发现仿真表现与真实物理现象之间的细微偏差。