机器人交互算法岗位（工程师/高级/专家）

职位描述

职位愿景： 加入我们，你将参与打造机器人新一代的“交互大脑”。我们致力于利用 Omni 全模态大模型 突破传统交互边界，实现从原生语音到物理动作（Speech-to-Action）的端到端映射，让机器人在复杂物理世界中具备实时、自然、且有逻辑的交互能力。 核心职责： 1. 交互架构与大模型研发 （1）负责基于 LLM/VLM/VLA 的机器人交互框架开发，实现音频、视觉与文本模态在原生大模型中的表征对齐； （2）主导/参与 Audio-to-Audio 流式交互方案设计，优化端到端延迟及中断（Barge-in）响应体验； 2. 具身 Agent 与任务规划 （1）设计具身智能 Agent 协作流，将非结构化指令转化为结构化动作序列（Action Tokens）； （2）优化长链路推理（CoT）与自省机制（Self-reflection），利用长短期记忆与向量数据库解决逻辑漂移与幻觉问题； 3. 数据工程与模型训练 （1）构建高质量多模态对话与行为数据集，负责大规模数据的清洗、对齐标注及指令微调（SFT）； （2）应用强化学习（RLHF/RLAIF）提升机器人在物理约束下的决策确定性与安全性； 4. 端云协同与性能优化 推动模型在边缘端的量化、剪枝及算子级加速，确保感知-决策-执行链路的极速响应。

职位要求

1、教育背景： 计算机、人工智能及相关专业硕士或博士； 2、技术功底： 扎实的 Python/C++ 基础，精通 PyTorch 及分布式训练工具； 3、核心能力： （1）深入理解 Transformer 架构，熟悉主流大模型（如 GPT-4o, Qwen-Audio, RT-2 等）原理； （2）了解音频特征提取及 Audio Tokenizer（如 EnCodec, AudioDec）基本原理； （3）有 Agent 框架（LangChain, AutoGPT 等）开发经验或多模态对齐经验者优先； 4、综合素质： 具备良好的学术前瞻性或工程落地能力，能解决非结构化环境下的鲁棒性挑战。