Agentic Self-Improving 算法研究员

机器人Agent架构设计 设计机器人 Agent 架构，构建“感知—推理—规划—执行—反思—学习”闭环。

多模态大模型融合研究 研究 LLM、VLM、VLA 与 Robot Foundation Model 的融合方法。

技能学习与进化 探索机器人技能的自主发现、生成、组合、迁移和持续进化。

自评估与自反思算法 研究基于执行反馈的自评估、自反思、自纠错及策略优化算法。

数据闭环构建 构建任务生成、主动探索、数据采集、失败挖掘和模型迭代的自动化数据闭环。

真机平台部署 推动算法在机械臂、双臂或人形机器人平台上的验证与部署。

学历要求 全职岗位：硕士及以上学历，计算机、人工智能、机器人、自动化、控制或相关专业。 具有机器人、具身智能、强化学习、模仿学习或 Agent 系统相关研究/项目/课题/竞赛经验。

算法基础 具备机器学习、深度学习或机器人学基础。 熟悉 Agent、VLA、机器人学习、模仿学习、强化学习或持续学习中的至少一个方向。

工程与实验能力 具备良好的论文阅读、算法实现和实验分析能力。 能够独立完成算法开发、实验验证和技术文档撰写。

技术栈 Python、PyTorch、Transformer。 LLM/VLM/VLA、Diffusion Model、Flow Matching。 模仿学习、强化学习、离线强化学习、持续学习。 ROS/ROS 2、MuJoCo、Isaac Sim/Isaac Lab、ManiSkill。 Git、Linux及常用模型训练与实验管理工具。 不要求掌握全部技术栈，具备相关方向的扎实基础和快速学习能力即可。

软技能 对具身智能、Robot Foundation Model及机器人自主进化具有浓厚兴趣。 具备较强的问题定义、逻辑分析和独立研究能力。 能够快速阅读论文、复现算法并形成可验证的技术方案。 具有良好的沟通协作能力、责任心和工程意识。 乐于探索开放性问题，能够适应快速迭代的研发节奏。

学术成果 在机器人、人工智能或机器学习相关会议、期刊发表过论文。

项目经验 具有 Agent、VLA、Robot Foundation Model或多模态基础模型项目经验。 具有机器人操作、双臂协作、移动操作或人形机器人研发经验。 熟悉技能发现、课程学习、世界模型、层级强化学习或自动任务生成。 具有机器人数据采集、数据筛选、训练闭环或模型部署经验。

开源与竞赛 有高质量开源项目、算法竞赛或真实机器人系统开发经历。