具身Agent算法工程师-通用业务部

优缺点分析

角色解读

• 技术专家路径：深耕具身智能算法，成为大模型与机器人决策领域的技术权威
• 技术负责人路径：带领小团队攻坚关键算法模块，主导特定业务线或产品方向的技术选型与架构
• 行业应用路径：将前沿算法在具体商业场景（如服务机器人、工业自动化）中落地，成为AI赋能实体经济的专家
• 设计并实现从感知、规划到控制的具身智能体（Embodied Agent）全栈算法架构
• 利用大语言模型（LLM/VLM）驱动机器人的高层任务理解、决策与异常恢复
• 构建机器人记忆系统，并实现基于记忆的在线学习与策略持续改进
• 深入的LLM Agent架构理解与工程实践经验，熟悉主流Agent设计模式（如ReAct, Reflexion）
• 扎实的任务规划（TAMP）与推理能力，掌握至少一种基于学习或符号的规划方法
• 具备完整的具身智能项目经验，能完成从算法到真实机器人部署的闭环
• （优先）在顶级学术会议发表相关论文的研究能力与学术背景

申请策略

• 深入研究智元机器人的技术路线、产品线及近期发布的开源项目或论文，理解其技术选型偏好
• 在面试中，能够结合具体案例，清晰阐述你对“具身智能体记忆架构”、“大模型驱动决策”等核心概念的理解与实践思考
• 详细描述你参与的具身智能或大模型Agent相关项目，突出你在架构设计、算法实现与系统集成中的具体贡献
• 清晰列出你掌握的Agent架构、规划算法、强化学习等技术栈及其应用经验
• 如有，突出在CoRL、RSS、ICRA、NeurIPS等目标顶会的论文发表情况
• 展示与LLM/VLM集成、多模态数据处理或机器人系统部署相关的实践经验
• 系统复习并实践LLM Agent的主流架构（如ReAct, Reflexion, LATS），可以尝试在开源框架上搭建原型
• 深入学习任务规划（TAMP）与基于学习的规划算法，了解VLA、RL在机器人控制中的应用

面试指南

• 使用STAR法则（情境、任务、行动、结果）来结构化你的项目经历，重点突出技术决策和解决的问题
• 回答技术原理类问题时，先阐述核心思想，再结合具体算法或工程实践进行说明，展现系统性思维
• 对于开放性问题，可结合论文和行业趋势，提出自己的见解，同时展现出与公司技术方向结合的思考
• 请描述一个你设计过的具身Agent或类似复杂系统的架构，重点说明感知、规划与执行模块如何协同工作
• 如何利用大语言模型（LLM）为机器人实现任务拆解和异常恢复？请结合具体技术（如ReAct, Function Calling）举例
• 如果要为机器人设计一个包含工作记忆、情景记忆和语义记忆的系统，你会如何设计数据结构、存储与检索机制？
• 请介绍一个你参与过的、从算法到真机部署的完整项目经历，遇到了哪些关键挑战以及如何解决
• 你对我们公司正在推进的具身智能技术路线有何了解？你认为当前技术最大的瓶颈在哪里？