中国电信人工智能研究院｜灵巧操作感知/手部关键点标注实习生

【岗位职责】 1. 参与四目高 FOV ego 数据记录器的灵巧操作数据标注系统搭建；负责手部 2D/3D 关键点、MANO/UmeTrack 手部参数、可见性状态、遮挡状态与多视角一致性标签的规范设计和数据清洗。 2. 研究并复现手部关键点与三维手部重建 SOTA 方法，包括 egocentric/third-person hand pose estimation、hand mesh recovery、多视角三角化、时序平滑、SLAM/world-space 对齐及手物交互场景下的遮挡推理。 3. 设计高置信自动标注与人工校正结合的数据生产管线；基于多相机标定、极线几何、重投影误差、模型不确定性和时序一致性构建质量评估与主动学习策略，提升遮挡、截断、运动模糊和双手交互场景下的标签可靠性。 4. 将手部关键点标签与灵巧操作演示数据打通，支持抓取、工具使用、铰接物体操作及双手协作等任务的数据分析和模型训练；沉淀可复用的数据格式、评测指标、可视化工具和错误诊断报告。 5. 参与 recorder-specific 感知模型训练与迭代，探索多视角特征融合、几何优化、手部运动先验、接触约束和生成式补全方法在 3D 手部轨迹标注中的效果边界。 【

任职要求】 1. 计算机科学、人工智能、机器人学、自动化、计算机视觉等相关专业硕士或博士在读，能保证 6 个月以上实习者优先。 2. 熟练使用 Python 与 PyTorch，熟悉 OpenCV、NumPy、PyTorch3D、MMPose 或相关视觉工具链；具备多相机标定、3D 几何、SLAM/VIO、三角化或 Bundle Adjustment 实践经验者优先。 3. 扎实的计算机视觉与深度学习基础，熟悉 2D/3D pose estimation、hand mesh recovery、MANO 手模型、关键点热力图/回归、时序建模与不确定性估计；有 egocentric video、hand-object interaction 或人体/手部关键点项目经验者优先。 4. 对遮挡场景下的三维推理有深入兴趣，理解可见关键点、amodal 关键点、相机坐标系/世界坐标系标签、接触约束和物理可行性之间的差异与取舍。 5. 工程能力扎实，能够独立完成数据处理脚本、训练/推理 pipeline、可视化 QA 工具和实验报告；有大规模数据清洗、主动学习、标注平台或机器人演示数据处理经验者优先。 6. 在 CVPR、ICCV、ECCV、NeurIPS、ICLR、ICRA、RSS、CoRL 等会议发表过手部重建、姿态估计、3D 视觉、机器人操作或具身智能相关论文者优先。 【我们提供】 1.前沿项目纵深：直接参与面向灵巧操作模型的数据底座建设，覆盖从 ego 多视角数据采集、自动标注、3D 几何优化到策略训练数据闭环的关键链路。 2.真实数据与硬件：接触四目高 FOV ego recorder、灵巧操作演示数据、多指灵巧手/双臂机器人/人形机器人相关平台，围绕抓取、工具使用和双手协作任务开展真实数据迭代。 3.算力与工程支持：提供充足 GPU 资源、数据存储与训练/推理基础设施，支持大规模视频数据处理、模型微调与自动标注实验。 4.学术与工程双轨成长：鼓励将项目中的方法创新、数据集建设和工程经验沉淀为论文、技术报告或开源工具，团队提供研究讨论和 co-author 支持。 5.实习时长：6 个月以上优先，全勤实习（5 天/周）。