具身智能工具开发工程师（Python / 仿真工具链）

1. 机器人仿真环境搭建与维护：参与仿真平台与运行环境的搭建、配置、调试与性能优化（含依赖、容器化、版本管理等）。
2. 任务仿真与算法验证：协助设计并实现机器人任务的仿真流程，支持算法快速验证、实验复现与对比评测。
3. 物理仿真与工具链开发：参与物理仿真系统及具身智能相关工具（数据生成/回放、评测、可视化、日志、接口封装等）的开发与优化。
4. 工程化代码与训练部署支持：编写模块化、可复用、可测试的 Python 工程代码，支撑 AI 模型在仿真中的训练、评测与部署联调。
5. 数据与文档沉淀：协助整理仿真场景与数据集，编写测试用例、基准（benchmark）脚本、使用文档与开发说明，提升团队协作效率。
6. 竞品对比与工具评测：参与对 mozilab 与竞品方案的功能、性能、易用性对比，形成评测结论与改进建议，推动工具迭代。

1. 教育/专业背景：人工智能、计算机、机器人、自动化、机械、电子等相关专业（EE/CS/机器人方向优先）。
2. Python 工程能力扎实：具备良好的 Python 编程能力与工程经验（代码结构、可读性、可维护性、异常处理、单元测试意识等）；有实际项目代码经验优先。
3. 常用开发工具熟练：熟悉 Docker、Git 等工具；有模块封装、版本管理、CI/测试或文档编写经验者优先。
4. 机器人/仿真相关经历：有机器人相关项目经验优先（课程项目、竞赛、实习或科研均可），对仿真与现实差异（sim2real）有基本理解更佳。
5. 学习与强化学习经验加分：有强化学习（RL）、模仿学习（IL）等相关项目经验者优先。
6. 仿真平台经验加分：有物理仿真平台使用经验者优先，包括但不限于 Isaac Gym / Isaac Sim、MuJoCo、Gazebo、PyBullet、Genesis 等。
7. 加分项（可选）：熟悉 Linux 环境、并行/性能优化（多进程/向量化/Profiling）、基础 C++/CUDA 接触过更佳（非必须）。


我们更看重什么
• 工程能力优先：能把仿真环境、工具链、评测脚本做得稳定、可复现、易扩展。
• 能协助开发 + 测试 + 对比评测（mozilab vs 竞品），把结论沉淀成可复用工具与文档。