职位描述
- Agent 系统架构设计：设计人形机器人的 Agent 运行时架构，包括任务理解、多步规划、执行监控、异常恢复等核心流程，定义 Agent 与底层控制系统的交互协议
- Skill / 工具框架设计：设计模块化、可组合的技能抽象层——定义 Skill 的接口规范、参数描述、前置/后置条件、组合规则，使"抓取"、"导航"、"双臂协作"等原子能力可被 Agent 灵活编排
- 任务规划与调度：构建分层任务规划系统（高层目标分解 → 中层 Skill 编排 → 底层动作序列），处理人形机器人特有的约束（平衡、碰撞、力矩限制）
- 上下文与状态管理：设计 Agent 的世界状态表征与记忆机制，支持场景理解、物体跟踪、任务进度追踪、以及跨 Skill 的上下文传递
- 工具调用与接口层：定义 Agent 调用外部能力（视觉感知、语音交互、云端推理等）的标准化工具接口，类似 function calling 在机器人领域的实现
- 可靠性与安全机制：设计 Skill 执行的监控、回退、重试策略，确保在物理环境中的鲁棒性和安全性任职要求
学历： 硕士及以上（博士优先），计算机科学、人工智能、机器人学、自动化、软件工程等相关专业
技术能力（满足大部分即可）：
- 对 Agent 系统有深入理解，熟悉 Agent 架构范式（ReAct、Plan-and-Execute、分层状态机、行为树等），了解 LLM-based Agent 的能力边界
- 有复杂软件系统架构设计经验，能设计高可靠、可扩展的实时系统
- 熟悉机器人任务规划方法（TAMP、HTN、PDDL 等）或有相关研究经验
- 精通 Python，熟练使用 C++；有 ROS/ROS2 系统开发经验
- 了解机器人运动规划与控制的基本概念（不要求精通，但需能设计与控制层的合理接口）
- 熟悉 LLM/VLM 的工程化部署与 function calling / tool use 机制
加分项：
- 有 Agent 框架（LangChain/LangGraph、AutoGen、OpenClaw/ClawBody、ROS Action/BehaviorTree 等）的开发或深度定制经验
- 有人形机器人或移动操作平台的系统集成经验
- 有行为树（Behavior Tree）、有限状态机、Petri Net 等任务建模方法的实践经验
- 在 CoRL、RSS、ICRA、IROS、NeurIPS、AAAI 等顶会有 Agent / 任务规划相关论文
- 有大型机器人软件栈（如 MoveIt、Drake、Isaac）的开发经验
