一、崗位定位
本崗位專注于研發(fā)與優(yōu)化基于行業(yè)世界模型的高保真、可學習仿真環(huán)境。核心目標是利用空間智能與生成式AI技術(shù),創(chuàng)造高度逼真、多樣化且物理合理的虛擬世界,用于訓練、驗證和評估各類AI智能體Agent,加速AI從仿真到現(xiàn)實的落地進程。
二、核心工作職責
行業(yè)世界模型賦能的高保真仿真環(huán)境構(gòu)建:利用神經(jīng)渲染(3DGS)、擴散模型、3D生成等前沿技術(shù),構(gòu)建與渲染高度逼真、可程序化生成的動態(tài)三維場景,提升仿真視覺真實性與場景多樣性。
空間智能驅(qū)動的場景語義生成與編輯:開發(fā)基于空間智能的自動化場景構(gòu)建工具,能夠根據(jù)語義規(guī)則或真實數(shù)據(jù),智能生成符合物理規(guī)律與業(yè)務(wù)邏輯的復雜仿真場景。
可學習物理與行為模型集成:研發(fā)并集成數(shù)據(jù)驅(qū)動的物理模型與智能體行為模型,超越傳統(tǒng)規(guī)則仿真的限制,使仿真環(huán)境中的物體交互更貼近復雜現(xiàn)實。
仿真-現(xiàn)實數(shù)據(jù)閉環(huán)與合成數(shù)據(jù)生成:構(gòu)建從真實世界數(shù)據(jù)(傳感器數(shù)據(jù)、日志)到仿真場景的自動轉(zhuǎn)換管道,并利用行業(yè)世界模型生成大規(guī)模的高價值合成數(shù)據(jù),用于彌補長尾場景和數(shù)據(jù)缺口。
面向AI訓練的效率優(yōu)化:設(shè)計并實現(xiàn)支持分布式強化學習、大規(guī)模并行仿真的高效運行框架,優(yōu)化從場景加載、物理計算到結(jié)果回傳的全鏈路性能,極大提升AI訓練效率。
仿真評估與可解釋性分析體系建立:建立全面的智能體仿真評估指標體系,并開發(fā)可視化分析工具,深度診斷AI模型在復雜空間場景下的失敗案例與邊界能力,提供可解釋的改進建議。
三、任職要求
教育背景:計算機科學、人工智能、仿真技術(shù)、自動化等相關(guān)專業(yè)碩士及以上學歷。
工作經(jīng)驗:
3年以上仿真系統(tǒng)開發(fā)經(jīng)驗,有自動駕駛仿真(CARLA/LGSVL)、機器人仿真(Gazebo/Isaac Sim)、游戲AI或數(shù)字孿生仿真項目經(jīng)驗。
有使用生成式AI(GAN, Diffusion, 3DGS)進行內(nèi)容生成或使用強化學習進行智能體訓練的實際項目經(jīng)驗。
核心技能:
熟練掌握仿真開發(fā)工具鏈,如Unity/Unreal Engine(包括C#/C++腳本),或NVIDIA Omniverse及其擴展開發(fā)。
扎實的三維數(shù)學與圖形學基礎(chǔ),熟悉計算機圖形學原理、物理引擎原理。
強大的編程與算法實現(xiàn)能力(Python/C++),能夠?qū)崿F(xiàn)和優(yōu)化復雜的仿真邏輯與AI接口。
熟悉機器學習流程,了解強化學習、模仿學習的基本原理,并有在仿真環(huán)境中訓練AI模型的實操經(jīng)驗。
AI First基礎(chǔ)能力:
深刻理解仿真即數(shù)據(jù)工廠與AI訓練加速器的雙重角色,能主動為算法團隊設(shè)計并提供“富有教學意義”的仿真場景與任務(wù)。
具備通過定義仿真任務(wù)、評估指標來“引導”AI模型能力發(fā)展的思維,而不僅僅是提供被動測試環(huán)境。
熱衷于通過自動化工具鏈提升仿真內(nèi)容的生產(chǎn)效率與多樣性,賦能大規(guī)模AI訓練。
加分項:
有神經(jīng)渲染、3D視覺、場景圖生成、行為樹或概率編程的相關(guān)經(jīng)驗。
參與過開源仿真平臺或競賽(如MetaWorld、Procgen)的貢獻與開發(fā)。
熟悉傳感器(相機、激光雷達、毫米波雷達)的物理級仿真建模。