职位描述1.负责构建机器人的自主Agent的架构并实现，使得机器人具备记忆管理（短期/长期）与上下文理解的任务分解、工具调用的能力； 2.负责构建机器人端的数据-认知-决策闭环的任务分解能力：-融合视觉/指令/地图等信息，完成感知-理解-规划-执行的闭环；-引入RAG与知识库，提供领域知识检索与记忆召回； 3.设计并实现多Agent协作协议的设计开发（可参考MCP/A2A），支持异构模型协同、对抗与自检/反思机制； 4.负责自主智能体的部署与工程化，以及评估体系的建立与持续调优； 5.投入多模态AgenticAI算法研究，优化上下文管理、场景语义理解、多步工具调用、SFT场景微调、强化学习等技术，参与Agentic工作流编排与端云协同开发，提升长时程任务执行效率、自主纠错能力和系统鲁棒性。 6.投入VLA/WAM端到端大模型微调与推理优化，优化多模态数据合成、世界模型状态预测、端侧大模型架构设计等技术，参与大模型在边缘计算平台的推理部署与算子加速，提升具身大模型的泛化能力与端侧推理实时性。任职要求1.精通 ReAct、PlanAct、CodeAct 等Agent运行模式，熟悉多智能体（Multi-Agent） 协作调度，理解上下文工程（Context Engineering）和记忆（Memory）管理机制。 2. 熟练掌握 Function Calling，了解MCP、A2A 等Agent间交互协议。具备RAG（检索增强生成） 全链路（从文档解析到检索重排）的实践经验。 3.熟悉模型的Post-training（后训练） 技术，能熟练运用SFT、DPO、RLHF等方法，并熟悉PyTorch等深度学习框架。 4.有完整的具身Agent项目经验（从仿真到真机部署），曾在CoRL、RSS、ICRA、NeurIPS、CVPR等机器人或AI顶会发表论文者优先。
