具身大模型评测与数据工程师

1.评测体系搭建：构建覆盖感知、推理、操作、长时程任务的多层级仿真与真机评测体系，制定评测指标体系，主导自动评分与人评流水线的设计与落地，持续推动仿真-真机一致性验证； 2.跨本体泛化评测：推动跨本体（单臂/双臂、移动操作、灵巧手等）泛化能力评测方案的设计与实施，建立可复用的评测基准与对标机制； 3.数据采集策略：制定具身大模型预训练、后训练、RL 及评测全链路的数据采集方案，覆盖 ego-centric、UMI、遥操作等多模态数据源，确保数据的规模、质量与多样性； 4.数据标注与治理：建立数据标注与清洗流程，涵盖任务与场景多样性标注、任务语义标注、位姿定位标注等，构建全生命周期的数据质量管控机制。