基于單雙目、RGB/灰度攝像頭及 MR/XR 眼鏡相關(guān)傳感器輸入，構(gòu)建端側(cè)可部署的 2D/3D手勢識別系統(tǒng)，輸出穩(wěn)定可用的 Gesture Result（手勢類別/置信度/hand_id/ts/可選連續(xù)參數(shù)），持續(xù)提升在真實 XR 場景中的魯棒性、低延遲與一致性。

職責
1. 設(shè)計并實現(xiàn)手勢識別算法體系（端到端）
面向頭戴式 Egocentric（第一人稱）視角，開發(fā)手勢識別算法：包括靜態(tài)/動態(tài)手勢、連續(xù)交互手勢（如 pinch/slide/rotate/tap 等）。結(jié)合攝像頭、TOF 、IMU/交互行為數(shù)據(jù)與環(huán)境語義信息，完成低延遲、高穩(wěn)定的手勢理解與事件輸出。
2. 構(gòu)建 2D/3D 手勢表征與時序建模，設(shè)計并優(yōu)化手勢識別模型與特征。
3.手勢識別系統(tǒng)工程化：規(guī)則/狀態(tài)機/沖突矩陣/置信度校準，產(chǎn)出可解釋、可調(diào)參、可診斷的手勢識別“策略層”。
4. 端側(cè)部署與芯片適配（XR 手勢芯片落地），面向 XR 芯片/端側(cè)平臺（RKNN 、Qualcomm等）進行模型網(wǎng)絡(luò)修改與加速：蒸餾、量化、剪枝、算子替換與一致性驗證；形成端側(cè)推理性能、延遲、功耗與效果的平衡方案，并推動落地與問題閉環(huán)。
5. 與 SDK 項目組協(xié)作完善手勢 SDK 提供手勢識別輸出協(xié)議（API/數(shù)據(jù)結(jié)構(gòu)/錯誤碼）、調(diào)試工具與數(shù)據(jù)閉環(huán)能力（錄制、回放、可視化），支持應(yīng)用側(cè)快速集成與驗證。

學(xué)歷
計算機科學(xué)、軟件工程、數(shù)據(jù)科學(xué)或相關(guān)專業(yè)，碩士及以上學(xué)歷。

技能
扎實的計算機視覺/機器學(xué)習(xí)/數(shù)學(xué)基礎(chǔ)，具備算法設(shè)計與實現(xiàn)能力。
具備 2D/3D 手勢識別、動作理解（Action Recognition）、骨架序列建模 經(jīng)驗者優(yōu)先；熟悉VR/AR/XR 場景優(yōu)先。
熟悉深度學(xué)習(xí)模型及訓(xùn)練/推理流程：CNN / Transformer / RNN / TCN / 輕量化網(wǎng)絡(luò)；具備算法遷移、模型壓縮與部署經(jīng)驗。
熟悉多模態(tài)/多傳感器融合基礎(chǔ)（至少能理解并使用 IMU 、深度、雙目幾何或 TOF 信息輔助魯棒性。


經(jīng)驗
3-5 年左右經(jīng)驗，能夠獨立開展工作并推動落地閉環(huán)有邊緣設(shè)備上視覺模型開發(fā)/部署經(jīng)驗
溝通協(xié)作能力強，能夠跨團隊高效推進獨立思考并解決復(fù)雜技術(shù)問題的能力

加分
有算法優(yōu)化與硬件平臺部署經(jīng)驗（端側(cè)性能/功耗/延遲優(yōu)化）。
在 AI 領(lǐng)域知名期刊或會議發(fā)表過論文/專利/開源項目貢獻。
有 Egocentric / Head-mounted Vision 、移動端/邊緣設(shè)備視覺算法經(jīng)驗者優(yōu)先