物理AI Agent算法工程师

我们正在探索面向移动机器人场景的物理 AI Agent 能力建设，围绕真实物理环境中的任务理解与规划、工具调用、上下文管理、记忆构建与管理、多轮交互与执行闭环等核心问题，设计并落地可扩展、可评测、可持续迭代的 Agent 算法框架，提升机器人在开放环境中的通用移动与自主执行能力。

1. 01

   负责面向移动机器人场景的 Agent 架构设计与能力建设，围绕用户意图理解、长程任务拆解、任务规划、执行调度、记忆管理、工具调用和结果校验等关键环节，构建从“自然语言指令”到“机器人可执行任务”的完整决策链路，提升复杂任务下的执行稳定性和成功率；

2. 02

   负责构建面向移动物理 AI 的空间记忆能力，设计机器人对位置、区域、物体、语义标签、历史观测和任务事件的统一表达与管理机制，支持 Agent 在长时间运行过程中持续积累、更新和调用环境知识，提升其对“去过哪里、看到过什么、目标可能在哪里、当前任务与空间环境如何关联”等问题的理解与决策能力；

3. 03

   负责人机交互能力的算法设计与体验优化，围绕语音对话、多轮澄清、意图确认、任务进度反馈、异常解释、主动询问和用户偏好学习等场景，构建自然、可信、可控的交互策略，使机器人能够在任务执行过程中与用户形成高效协作；

4. 04

   负责构建面向物理世界任务的 Context 管理方案，围绕任务目标、环境信息、地图语义、机器人状态、历史行为、用户偏好、工具返回结果等上下文要素，设计高效的组织、更新、压缩与检索机制，使 Agent 能够在长程、多轮、动态变化的任务过程中保持连续理解与一致决策；

5. 05

   负责移动场景下的任务规划与执行控制策略优化，通过 Planner-Executor、状态机、记忆模块、反思机制或其他 Agentic Workflow 设计，提升系统在复杂环境中的鲁棒性与可控性；

6. 06

   负责建立物理 AI Agent 的评测体系与数据闭环，围绕任务成功率、规划合理性、导航完成率、交互自然度、异常恢复能力、响应时延和用户体验等指标进行系统化评估，并基于真实运行数据持续优化 Agent 策略、工具调用链路和上下文管理机制；

7. 07

   与机器人本体、基座模型、产品和工程团队紧密协作，推动 Agent 能力在真实机器人产品中的落地迭代，参与关键技术方案设计、系统联调、问题定位和线上效果优化，确保算法能力能够稳定服务于实际业务场景。

1. 01

   计算机、人工智能、机器人、自动化、电子信息、数学等相关专业，本科及以上学历；

2. 02

   熟悉 LLM、VLM 或 AI Agent 相关技术，理解任务规划、工具调用、Function Calling、Memory、RAG、Planner-Executor、ReAct、Reflection 等常见 Agent 机制，并具备实际项目落地经验；

3. 03

   具备较强的算法系统设计能力，能够将真实物理场景中的复杂问题抽象为可拆解、可执行、可评测的算法模块，并推动从原型验证到工程化落地；

4. 04

   熟悉机器人或具身智能相关基础知识，了解导航、定位、地图、SLAM、路径规划、感知、人机交互等模块中的一种或多种，能够理解机器人系统的能力边界和工程约束；

5. 05

   熟悉大模型应用开发方法，具备 Prompt Engineering、Context Engineering、工具增强、模型调用策略优化、评测集构建和效果分析等经验；

6. 06

   具备良好的问题分析能力、沟通协作能力和结果导向意识，能够在多团队协作环境下推动复杂系统问题的定位、拆解和解决。