The posting
关键词：大模型Agent、任务规划、技能编排、长程任务、VLM/LLM、具身智能 岗位职责 - 参与具身智能Agent系统研发，利用LLM/VLM能力对复杂长程机器人任务进行自动理解、分析、规划和分解。 - 将自然语言任务拆解为导航、感知、抓取、放置、开关门、移动操作等可执行技能序列。 - 建设“规划—执行—观察—校验—恢复”的Agent闭环，使系统能够根据环境变化和执行结果动态调整计划。 - 研发分层任务规划、工具调用、技能选择、参数生成、前置条件检查和执行结果校验等核心能力。 - 建设机器人技能注册表和统一调用接口，将Agent与VLA、VLN、传统规划算法、遥操及机器人控制系统连接。 - 研究场景记忆、任务记忆、语义世界模型和经验检索，提升长程任务的状态保持与跨步骤推理能力。 - 设计Agent异常恢复机制，处理技能失败、环境变化、目标缺失、超时、规划不可执行和人工接管等情况。 - 建设长程任务评测集和自动化评测工具，分析任务完成率、规划正确率、执行步数、恢复成功率、推理延迟和调用成本。 - 参与Agent在仿真及真实机器人上的部署验证，结合执行数据持续优化规划和拆解效果。 - 跟踪具身Agent、LLM Planning、Tool Use、TAMP、VLA/VLN等方向的最新研究与开源项目。
- 计算机、人工智能、机器人、自动化、数学等相关专业本科及以上在读。 - 熟悉Python，具备良好的算法实现和工程开发能力。 - 熟悉LLM/VLM基本原理，具有大模型调用、提示词设计或开源模型部署经验。 - 理解Agent的规划、工具调用、记忆、反思、执行和评测等基本机制。 - 熟悉基本的数据结构、搜索算法、状态机或任务规划方法。 - 具备良好的问题抽象能力，能够将复杂任务转化为结构化步骤、约束和验收条件。 优先条件 - 有LangGraph、AutoGen、OpenAI Agents SDK、LlamaIndex等Agent框架实践经验。 - 熟悉行为树、有限状态机、PDDL、HTN、TAMP或其他机器人任务规划方法。 - 有VLA、VLN、具身Agent、视觉语言模型或机器人技能编排项目经验。 - 熟悉ROS/ROS 2，了解机器人导航、操作、感知和控制基本流程。 - 有结构化输出、Function Calling、RAG、长期记忆或多Agent协作经验。 - 有Agent Benchmark、自动评测、轨迹分析、失败归因或模型对比实验经验。 - 在ICRA、IROS、RSS、CoRL、NeurIPS、ICLR、ACL、EMNLP等会议发表过相关论文。 岗位目标 建设能够理解复杂指令、自动拆解长程任务、调用机器人技能、监控执行结果并从失败中恢复的具身智能Agent，使大模型从“给出建议”升级为“可靠地组织机器人完成任务”。
