（先加微信：duke-simon 拿项目手册，画像精准再做单-岗位比较多请截图咨询） "机器人 Agent 框架研发： 设计和实现端到端的机器人 Agent 架构，包括感知、推理、规划和执行的核心循环。 负责集成和调用最先进的 LLM/VLM（如 GPT-4, Llama, 或定制的机器人专用大模型）作为 Agent 的“大脑”。 任务规划与分解 (Task Planning)： 研发基于大模型的长程任务规划、子目标分解和工具调用 (Tool/Function Calling) 机制，使机器人能完成复杂的、多步骤的自然语言指令。 解决规划中的错误恢复、不确定性处理和环境反馈回路问题。 多模态理解与对话交互： 负责集成视觉感知模块和语言理解模块，实现 Agent 对机器人环境、状态和用户指令的多模态理解。 开发机器人的自然语言对话和交互能力，提升人机交互的流畅度和用户体验。 Action 空间设计与工具链集成： 定义和维护机器人的动作空间 (Action Space) 或技能库 (Skill Set)，将大模型输出的高级指令映射为底层的控制 API 或 ROS 服务。 与控制/运动规划团队协作，集成和测试 Agent 规划结果的实际执行效果。"

"计算机科学、人工智能、机器人学或相关专业硕士及以上学历。 3 年以上软件开发或 AI 应用研发经验，对大模型技术有实战经验。 精通 Python 编程，具备良好的面向对象设计和工程实践能力。 核心技能与经验（必须项）： 大型模型应用： 具备调用、微调或部署主流 LLM/VLM 模型作为决策核心的经验。 Agent/规划经验： 深入理解 AI Agent 理论和实践，具备任务规划 (Planning)、思维链 (CoT)、ReAct 或类似推理规划框架的开发经验。 机器人/具身智能： 熟悉机器人系统（如ROS/ROS 2）的基本架构，了解机器人感知、运动规划、控制的基本流程。 多模态集成： 有将视觉感知结果和语言指令结合起来，驱动机器人行为的经验。具备 Function Calling/Tool Usage 机制在机器人任务中的设计和优化经验。 熟悉 模仿学习 (IL) 或 强化学习 (RL) 在 Agent 技能学习中的应用。 有在 Gazebo/Isaac Sim 等仿真环境中构建和测试具身 Agent 的经验。 在相关顶级会议（如 CoRL, NeurIPS, ICRA, IROS）上发表过 Agent 或具身智能相关论文。"