具身智能研究员／算法工程师——机器人自主进化
岗位摘要
研究具身智能的递归自我改进方法，构建“自主探索—执行反馈—失败诊断—能力更新—评估验证”的持续学习闭环；开发基于LLM／VLM的机器人Agent，结合代码生成、工具调用、分层规划与VLA策略，实现复杂操作和失败恢复
岗位职责
- 研究具身智能的递归自我改进方法，构建“自主探索—执行反馈—失败诊断—能力更新—评估验证”的持续学习闭环
- 开发基于LLM／VLM的机器人Agent，结合代码生成、工具调用、分层规划与VLA策略，实现复杂操作和失败恢复
- 研究技能自动发现、组合与复用，以及长期记忆和执行系统的持续优化，推动经验跨任务、跨场景积累与迁移
- 利用仿真、真实机器人交互及人类反馈，开展自动数据生成、策略后训练或世界模型辅助学习
- 建立可复现的评测流程，验证多轮迭代中的成功率、泛化能力、交互成本与已有能力保持情况
任职要求
- 具备计算机、人工智能、机器人或相关专业背景，有扎实的机器学习与编程基础，熟练使用Python
- 在以下至少一个方向有深入研究或项目经验：具身Agent、机器人学习、VLA、强化学习、持续学习、自动程序生成与优化
- 能独立完成论文复现、系统实现、实验设计与问题分析，重视可验证的能力提升
- 熟悉机器人感知、运动规划、控制或仿真中的至少一个环节，能够参与搭建完整的交互与评估系统
- 加分项：有真实机械臂、双臂或移动操作平台的部署与调试经验
- 加分项：有自进化Agent、技能库、长期记忆、自动评估或代码搜索经验
- 加分项：有VLA后训练、失败恢复、人类干预学习、世界模型或sim-to-real经验
- 加分项：在机器人或机器学习相关会议发表论文，或有高质量开源项目
加分项
- a）有真实机械臂、双臂或移动操作平台的部署与调试经验
- b）有自进化 Agent、技能库、长期记忆、自动评估或代码搜索经验
- c）有 VLA 后训练、失败恢复、人类干预学习、世界模型或 sim-to-real 经验
- d）在机器人或机器学习相关会议发表论文，或有高质量开源项目
- 相关研究参考
- EmbodiedRSI、ASPIRE、RATs、PhysicalRSI、Harness VLA、RoboFoundry、EmbodiRSI、SEES 等。欢迎具备相关能力、希望探索机器人自主学习的候选人