Psp-数据算法工程师 （3dgs与仿真方向）

岗位职责： 交互式 3DGS 与 Real2Sim 闭环主导： 负责打通从真实世界采集到高逼真物理仿真环境的完整闭环。基于 3D Gaussian Splatting (3DGS) 技术实现复杂场景与物体的高精度重建，并深度结合物理引擎（如 Isaac Sim / SAPIEN / Genesis），完成动力学解算及碰撞、质量、摩擦等物理属性的自动化绑定（Physical Grounding）。 3D/4D 具身世界模型研发： 攻坚基于三维表征（3DGS）的前沿世界模型。建模复杂物理环境的动态演化过程，实现基于动作条件（Action-conditioned）的 3DGS 场景演化预测、4D 动力学预测及新视角渲染，为具身智能体提供高度真实的“内心演练”与策略闭环环境。 3DGS 场景编辑与大规模数据合成： 构建并优化端到端神经渲染与生成算法管线。实现 3DGS 场景的泛化与动态控制（如场景动态编辑、物体插入/形变、光照解耦与变换），为机器人视觉动作模型（VLA/VLM）的训练规模化产出高保真、多模态的合成数据（RGB-D、点云、语义及物理状态）。 工业级重建与仿真管线落地： 研发、主导并持续优化“视频流输入 -> 3DGS 场景重建 -> 物理属性自动估算与绑定 -> 仿真环境生成”的工业级自动化工具链，突破渲染与物理仿真的性能瓶颈，支持大规模集群并发训练。

任职要求： 学历背景： 计算机视觉、计算机图形学、人工智能、机器人等相关专业硕士及以上学历（博士优先）。 核心技术栈（极度重要）： 三维视觉与渲染： 深入剖析 3D Gaussian Splatting, NeRF, 3D Reconstruction 等技术的底层数学原理与渲染管线。 物理仿真引擎： 熟练掌握至少一种主流机器人或图形学仿真引擎（如 Isaac Sim, SAPIEN, Genesis, MuJoCo, Taichi 等），具备扎实的刚体/柔体动力学基础及引擎二次开发能力。 工程与编程功底： 极强的工程实现能力，熟练掌握 Python 和 C++。精通 CUDA 编程，必须具备阅读、修改甚至重构 3DGS 底层 Rasterizer（光栅化器）以适配复杂物理交互场景的实战经验。 算法背景： 深入研究过 3DGS 物理交互与动态相关的前沿工作（如 PhysGaussian, SuGaR, Gaussian Grouping, 4D-GS, PAC-NeRF 等），并有成功的复现、改进或业务落地经历。 加分项： 有主导将 3DGS / NeRF 重建资产规模化接入物理仿真环境，并实现高鲁棒性物理交互的工业级项目落地经验。 作为核心开发者或重要贡献者，参与过开源 3DGS / 神经渲染框架（如 gsplat, gaussian-splatting, nerfstudio）。 在 CVPR, ICCV, ECCV, SIGGRAPH, ICLR, NeurIPS, ICRA, IROS 等顶会以第一作者身份发表过 3D视觉、神经渲染或基于物理的仿真（Physics-based Animation）相关的高质量论文。 对具身智能领域中的“三维世界模型（3D World Models）”或“可微物理仿真（Differentiable Simulation）”有极其深刻的独立见解，具备带领小团队完成复杂算法攻坚的能力。