The posting
1、LLM/VLM开发与调试 负责Qwen系列等开源语言及视觉语言大模型的选型、评测、开发与调试,构建面向机器人场景的指令理解、视觉认知、空间关系理解、任务分解及异常分析能力。
2、模型移植与部署优化 负责大模型在AMD、Intel等服务器及边缘计算平台上的移植、硬件适配、部署和联调;根据CPU/GPU配置完成推理框架、运行环境及算子适配,通过量化、推理加速、并发调度及缓存优化,降低时延和资源消耗。
3、模型训练与调参 围绕机器人业务场景开展领域适配、监督微调、LoRA/QLoRA训练及超参数优化;建立实验对比与效果评测机制,提升模型在复杂指令、多步骤任务及陌生场景下的表现。
4、数据与标注体系建设 制定机器人图像、视频、任务指令、执行轨迹及结果反馈等数据的采集、清洗、标注与质检规范;指导并参与关键样本标注,开展失败案例分析、难例挖掘与数据迭代,形成数据驱动的模型优化闭环。
5、机器人云端AI Agent设计与开发 负责Agent架构与核心模块开发,构建任务规划、上下文与记忆管理、知识检索、工具选择、执行状态管理及结果验证能力;将用户指令转化为可执行的机器人任务,支持多步骤执行、异常恢复及动态重规划。
6、机器人调用与任务编排 将机器人能力、VLA模型、感知算法、导航与操作技能及业务系统封装为标准化Tools/API;实现机器人能力发现、状态查询、任务下发、进度跟踪、取消及结果回传,支持异步长任务与多机器人协同调度。
云端与机器人端协同 设计云端LLM/VLM、AI Agent与端侧VLA及算法模块的协同机制,明确任务规划、技能执行与实时控制的职责边界;处理网络延迟、断连、状态一致性、调用超时和重复执行等问题,建设执行前校验、权限约束及降级机制。
7、工程交付与持续优化 负责模型及Agent服务的API开发、容器化部署、监控、调用链追踪与版本管理;建立覆盖任务成功率、工具调用准确率、异常恢复率、泛化表现、推理时延及资源成本的评测体系,推动真实机器人场景落地。
1、计算机、人工智能、自动化、机器人等相关专业本科及以上学历,硕士优先;具有5年以上算法或软件研发经验,其中至少2年大模型、多模态模型或AI Agent相关研发经验,能力突出者可适当放宽。
2、熟悉Transformer及LLM/VLM基本原理,理解多模态特征融合、指令微调、模型量化及推理流程;具有Qwen系列或其他开源大模型的实际开发、训练与部署经验。
3、熟练使用Python、PyTorch及常用模型训练工具,能够独立完成数据处理、模型微调、调参、评测和问题定位;熟悉Linux、Docker及后端服务开发。
4、具备服务器模型部署与性能优化经验,能够定位算子兼容性、精度偏差、显存/内存占用及推理性能问题;熟悉ROCm、OpenVINO、oneAPI或其他硬件加速生态中的至少一种。
5、具备AI Agent或工具调用系统开发经验,熟悉任务规划、Tool Calling、结构化输出、RAG、上下文管理及工作流编排;能够实现具有状态管理、失败重试、结果校验和执行追踪能力的任务系统。
6、理解机器人感知、规划、控制及技能执行的基本流程,了解VLA模型及云端与端侧协同方式;具备将大模型与机器人、算法服务或外部业务系统集成的能力。



