银河通用平台开发面试，机器人训练的基建工程比你想的复杂得多

上一篇说了银河通用的视觉抓取岗，算法层面的东西聊了不少。这篇换个视角——具身智能平台开发工程师这个岗位不写算法，写的是让算法能跑起来的那套基础设施。银河通用内部有上百台机器人在同时采集数据、训练模型、部署策略，支撑这个规模运转的平台就是平台开发工程师的作品。面试考的核心是机器人学习平台架构、数据管线设计和分布式训练系统。面试官开场就问了一个很工程的问题："你有100台机器人同时在不同场景里采集数据，怎么把数据实时汇总到一个统一的训练平台？"数据管线：从机器人到训练集群这个问题的难度在于异构性和实时性的矛盾。100台机器人的硬件配置可能不一样——有的用RealSense相机有的用ZED，有的夹爪是二指有的是三指，传感器数据格式各异。但训练端需要统一的数据格式才能batch处理。数据管线一般分三层来做。采集层——每台机器人上跑一个数据采集daemon，把相机图像、关节角度、力传感器读数、末端位姿等全部序列化成统一格式（银河通用 reportedly 用的是他们自定义的protobuf schema，每条记录包含时间戳、传感器类型标识和二进制数据体）。传输层——数据通过gRPC流式上传到云端，这里要处理网络不稳定（机器人可能走到WiFi死角断网几分钟）的情况，daemon需要有本地缓存和断点续传能力。存储层——上传的数据落入对象存储（S3或MinIO），同时写入元数据索引（数据来自哪台机器人、什么场景、时间范围等），方便后续检索和筛