- 多模态传感系统集成： 设计并部署机器人传感网络：视觉（RGB-D/事件相机/多视角立体）、触觉（视触觉传感器/电子皮肤/压力阵列）、力觉（六维力矩传感器）、本体感觉（高精度关节编码器/IMU）、听觉（麦克风阵列），构建面向物理AI的完整感知栈。 - 传感器标定与时空同步： 开发多传感器联合标定系统（相机-手眼-触觉-力觉的外参/内参标定）与硬件级时间同步方案（PTP/gPTP），确保多模态数据在毫秒级对齐，满足世界模型时序预测精度要求。 - 触觉-物理属性映射： 开发触觉信号→物理参数（摩擦系数、刚度、弹性模量、表面纹理）的感知算法，直接对接物理世界模型科学家的可微分物理内核，为仿真引擎提供真实世界物理参数标定。 - 主动感知策略实现： 基于认知架构研究员的主动推断（Active Inference）理论，开发机器人在真实环境中的主动探索策略（如主动触摸未知物体以推断物理属性、主动调整视角以消除因果不确定性）。 - 真实世界数据采集平台： 设计标准化的物理交互原语（推、拉、抓、碰撞、投掷），搭建自动化数据采集平台，为团队提供带精确物理标注的真实世界数据集（对标/扩展IntPhys、CLEVR-Physics到真实场景）。 - 传感器仿真建模： 在团队仿真环境（Isaac Sim/Brax）中构建真实传感器的噪声模型、接触动力学模型与延迟模型，缩小Sim2Real感知鸿沟，提升算法系统工程师的仿真数据可用性。 - 数据接口标准化： 与多模态表征研究员协作，确保硬件采集数据格式与团队数据管道（WebDataset/Apache Beam）无缝对接，支持从真实环境到训练集群的自动回流。

- 硕士及以上学位，机器人感知、仪器科学与技术、电子工程、触觉传感、机械电子方向。 - 精通多传感器融合算法（扩展卡尔曼滤波/因子图优化/深度学习融合），熟悉ROS2传感器驱动开发与硬件在环（Hardware-in-the-Loop）系统。 - 有触觉传感器（如GelSight/BioTac/DIGIT/电子皮肤）或六维力矩传感器的实际集成与信号处理经验，理解接触力学与滑动检测。 - 熟悉计算机视觉pipeline（Open3D/Point Cloud Library/事件相机处理），有RGB-D/点云/事件流的实时处理经验。 - 了解物理仿真基本原理，有Sim2Real场景下的数据对齐与传感器标定经验。 - 具备基础的深度学习工程能力（PyTorch/JAX），能将传感数据预处理模块嵌入团队训练pipeline。