主分类：机器人与自动驾驶算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "高德-Agent 算法工程师（具身导航）-视觉技术中心",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "高德",
"company_industry": "数字地图 / 导航服务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "高德提供电子地图和导航服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "计算机、机器人、人工智能相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍\n高德地图视觉技术中心（AMAP CV Lab）\n高德地图日均服务数亿用户，每日处理超百亿级位置与视觉数据。视觉技术中心是高德的核心技术引擎，深耕空间智能、具身智能、世界模型等AGI前沿方向。我们的核心使命：以空间智能为锚点，打造物理世界的智能体操作系统 ABot。我们不做“刷榜模型”，而是打造能在开放世界中自主决策、安全执行、持续进化的智能体系统。你的研究，将直接改变数亿人的出行方式。\nGitHub 主页：https://github.com/amap-cvlab\n我们的优势：独一无二的“空间智能-场景-生态”三角\n1.空间智能深度：全栈覆盖三维重建、世界模型、多模态、具身导航、LLM/VLM/VLA/AI Agent，所有技术都服务于“让AI理解并作用于物理空间”。\n2.场景广度：亿级用户真实验证，从封闭测试到开放街道，技术必须经得起现实世界的“毒打”，空间智能不能只存在于实验室。\n3.生态高度：清华大学、北京大学、港科、中科院等深度合作，主导开源标准，你不是孤军奋战，而是站在全球空间智能研究的前沿。\n岗位职责\n1.负责机器人导航场景的生产级 Agent 核心算法与执行框架研发，建设上下文工程、任务编排、执行调度以及执行轨迹记录与回放等关键能力。\n2.研究面向巡检、配送、导览等场景的长程任务规划，将复杂目标分解为可执行子任务，并实现地图、定位、规划、视觉导航等 Tool/Skill 的自主选择与调用。\n3.设计面向长程任务的 Agent Memory 与状态管理机制，支持任务进度维护、执行历史记录、中断恢复和经验复用。\n4.研究复杂开放环境下的执行验证与动态恢复机制，重点解决目标漂移、错误累积、上下文冗余及长程决策不稳定等问题，实现 retry、fallback 和 replan。\n5.建设导航 Agent 的数据与评测闭环，围绕任务成功率、稳定性、恢复能力、执行成本和安全性持续优化算法，并推动其在真实机器人场景中落地。",
"requirements_text": "1.AI Native 思维：能够合理划分 Agent 与地图、定位、规划及机器人执行系统的职责边界，并将 Agent 能力融入真实机器人任务闭环。\n2.无人区作战能力：敢于在缺乏成熟方案的方向独立推进算法实验，具备极客精神与战略定力。\n3.开源影响力意识：能把工作沉淀为可被行业采纳的开源框架、数据集或 Benchmark。\n4.跨团队协同力：能与产品、地图、基础架构等多方深度协作，推动 Agent 能力在真实机器人场景中落地。\n学历与专业背景\n计算机、机器人、人工智能相关专业硕士及以上学历，3年以上大模型、多模态或具身智能相关研发经验，具备 Agent 算法研发或项目落地经验。\n项目经历（满足其一）\n1.主导过基于 LLM/VLM 的 Agent 从 0 到 1 的算法研发与系统建设，并完成端到端业务落地。\n2.主导过生产级 Agent Harness 建设，或在任务规划（Planning）、记忆（Memory）、工具调用（Tool Use）、长程任务执行、多智能体协作等方向完成具有显著影响力的项目（开源框架、数据集、可复现 Benchmark、顶会 oral/spotlight）。\n3.主导过机器人导航 Agent 或具身 Agent 项目，完成 Sim-to-Real 闭环验证或真机落地。\n专业技能\n1.Agent 算法与系统能力：能够独立设计和落地生产级 Agent，掌握任务规划（Planning）、记忆（Memory）、工具调用（Tool Use）、执行验证与动态重规划（Verification/Replan）等核心机制，具备上下文工程、任务编排、状态持久化、中断恢复及系统稳定性设计能力。\n2.数据闭环设计能力：能够设计 Agent 轨迹数据生产、清洗、标注与自动化评测管线，围绕任务成功率、稳定性、恢复能力和执行成本持续优化算法效果。\n3.具身系统认知：理解从感知、地图、定位、规划、决策到动作执行的完整闭环，能够识别 Agent 与机器人各模块之间的瓶颈并定位优化路径。",
"skills": [AI生成
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.amap.com/off-campus/position-detail?positionId=100039080002"
}
]
},
"posting": {
"posting_id": "100039080002",
"post_date": "2026-09-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.amap.com/off-campus/position-detail?positionId=100039080002"
},
"fulltext": "高德-Agent 算法工程师（具身导航）-视觉技术中心\n高德-Agent 算法工程师（具身导航）-视觉技术中心\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京\n\n职位描述\n团队介绍\n高德地图视觉技术中心（AMAP CV Lab）\n高德地图日均服务数亿用户，每日处理超百亿级位置与视觉数据。视觉技术中心是高德的核心技术引擎，深耕空间智能、具身智能、世界模型等AGI前沿方向。我们的核心使命：以空间智能为锚点，打造物理世界的智能体操作系统 ABot。我们不做“刷榜模型”，而是打造能在开放世界中自主决策、安全执行、持续进化的智能体系统。你的研究，将直接改变数亿人的出行方式。\nGitHub 主页：https://github.com/amap-cvlab\n我们的优势：独一无二的“空间智能-场景-生态”三角\n1.空间智能深度：全栈覆盖三维重建、世界模型、多模态、具身导航、LLM/VLM/VLA/AI Agent，所有技术都服务于“让AI理解并作用于物理空间”。\n2.场景广度：亿级用户真实验证，从封闭测试到开放街道，技术必须经得起现实世界的“毒打”，空间智能不能只存在于实验室。\n3.生态高度：清华大学、北京大学、港科、中科院等深度合作，主导开源标准，你不是孤军奋战，而是站在全球空间智能研究的前沿。\n岗位职责\n1.负责机器人导航场景的生产级 Agent 核心算法与执行框架研发，建设上下文工程、任务编排、执行调度以及执行轨迹记录与回放等关键能力。\n2.研究面向巡检、配送、导览等场景的长程任务规划，将复杂目标分解为可执行子任务，并实现地图、定位、规划、视觉导航等 Tool/Skill 的自主选择与调用。\n3.设计面向长程任务的 Agent Memory 与状态管理机制，支持任务进度维护、执行历史记录、中断恢复和经验复用。\n4.研究复杂开放环境下的执行验证与动态恢复机制，重点解决目标漂移、错误累积、上下文冗余及长程决策不稳定等问题，实现 retry、fallback 和 replan。\n5.建设导航 Agent 的数据与评测闭环，围绕任务成功率、稳定性、恢复能力、执行成本和安全性持续优化算法，并推动其在真实机器人场景中落地。\n\n职位要求\n1.AI Native 思维：能够合理划分 Agent 与地图、定位、规划及机器人执行系统的职责边界，并将 Agent 能力融入真实机器人任务闭环。\n2.无人区作战能力：敢于在缺乏成熟方案的方向独立推进算法实验，具备极客精神与战略定力。\n3.开源影响力意识：能把工作沉淀为可被行业采纳的开源框架、数据集或 Benchmark。\n4.跨团队协同力：能与产品、地图、基础架构等多方深度协作，推动 Agent 能力在真实机器人场景中落地。\n学历与专业背景\n计算机、机器人、人工智能相关专业硕士及以上学历，3年以上大模型、多模态或具身智能相关研发经验，具备 Agent 算法研发或项目落地经验。\n项目经历（满足其一）\n1.主导过基于 LLM/VLM 的 Agent 从 0 到 1 的算法研发与系统建设，并完成端到端业务落地。\n2.主导过生产级 Agent Harness 建设，或在任务规划（Planning）、记忆（Memory）、工具调用（Tool Use）、长程任务执行、多智能体协作等方向完成具有显著影响力的项目（开源框架、数据集、可复现 Benchmark、顶会 oral/spotlight）。\n3.主导过机器人导航 Agent 或具身 Agent 项目，完成 Sim-to-Real 闭环验证或真机落地。\n专业技能\n1.Agent 算法与系统能力：能够独立设计和落地生产级 Agent，掌握任务规划（Planning）、记忆（Memory）、工具调用（Tool Use）、执行验证与动态重规划（Verification/Replan）等核心机制，具备上下文工程、任务编排、状态持久化、中断恢复及系统稳定性设计能力。\n2.数据闭环设计能力：能够设计 Agent 轨迹数据生产、清洗、标注与自动化评测管线，围绕任务成功率、稳定性、恢复能力和执行成本持续优化算法效果。\n3.具身系统认知：理解从感知、地图、定位、规划、决策到动作执行的完整闭环，能够识别 Agent 与机器人各模块之间的瓶颈并定位优化路径。\n团队介绍\n高德地图视觉技术中心（AMAP CV Lab）\n高德地图日均服务数亿用户，每日处理超百亿级位置与视觉数据。视觉技术中心是高德的核心技术引擎，深耕空间智能、具身智能、世界模型等AGI前沿方向。我们的核心使命：以空间智能为锚点，打造物理世界的智能体操作系统 ABot。我们不做“刷榜模型”，而是打造能在开放世界中自主决策、安全执行、持续进化的智能体系统。你的研究，将直接改变数亿人的出行方式。\nGitHub 主页：https://github.com/amap-cvlab\n我们的优势：独一无二的“空间智能-场景-生态”三角\n1.空间智能深度：全栈覆盖三维重建、世界模型、多模态、具身导航、LLM/VLM/VLA/AI Agent，所有技术都服务于“让AI理解并作用于物理空间”。\n2.场景广度：亿级用户真实验证，从封闭测试到开放街道，技术必须经得起现实世界的“毒打”，空间智能不能只存在于实验室。\n3.生态高度：清华大学、北京大学、港科、中科院等深度合作，主导开源标准，你不是孤军奋战，而是站在全球空间智能研究的前沿。\n岗位职责\n1.负责机器人导航场景的生产级 Agent 核心算法与执行框架研发，建设上下文工程、任务编排、执行调度以及执行轨迹记录与回放等关键能力。\n2.研究面向巡检、配送、导览等场景的长程任务规划，将复杂目标分解为可执行子任务，并实现地图、定位、规划、视觉导航等 Tool/Skill 的自主选择与调用。\n3.设计面向长程任务的 Agent Memory 与状态管理机制，支持任务进度维护、执行历史记录、中断恢复和经验复用。\n4.研究复杂开放环境下的执行验证与动态恢复机制，重点解决目标漂移、错误累积、上下文冗余及长程决策不稳定等问题，实现 retry、fallback 和 replan。\n5.建设导航 Agent 的数据与评测闭环，围绕任务成功率、稳定性、恢复能力、执行成本和安全性持续优化算法，并推动其在真实机器人场景中落地。\n1.AI Native 思维：能够合理划分 Agent 与地图、定位、规划及机器人执行系统的职责边界，并将 Agent 能力融入真实机器人任务闭环。\n2.无人区作战能力：敢于在缺乏成熟方案的方向独立推进算法实验，具备极客精神与战略定力。\n3.开源影响力意识：能把工作沉淀为可被行业采纳的开源框架、数据集或 Benchmark。\n4.跨团队协同力：能与产品、地图、基础架构等多方深度协作，推动 Agent 能力在真实机器人场景中落地。\n学历与专业背景\n计算机、机器人、人工智能相关专业硕士及以上学历，3年以上大模型、多模态或具身智能相关研发经验，具备 Agent 算法研发或项目落地经验。\n项目经历（满足其一）\n1.主导过基于 LLM/VLM 的 Agent 从 0 到 1 的算法研发与系统建设，并完成端到端业务落地。\n2.主导过生产级 Agent Harness 建设，或在任务规划（Planning）、记忆（Memory）、工具调用（Tool Use）、长程任务执行、多智能体协作等方向完成具有显著影响力的项目（开源框架、数据集、可复现 Benchmark、顶会 oral/spotlight）。\n3.主导过机器人导航 Agent 或具身 Agent 项目，完成 Sim-to-Real 闭环验证或真机落地。\n专业技能\n1.Agent 算法与系统能力：能够独立设计和落地生产级 Agent，掌握任务规划（Planning）、记忆（Memory）、工具调用（Tool Use）、执行验证与动态重规划（Verification/Replan）等核心机制，具备上下文工程、任务编排、状态持久化、中断恢复及系统稳定性设计能力。\n2.数据闭环设计能力：能够设计 Agent 轨迹数据生产、清洗、标注与自动化评测管线，围绕任务成功率、稳定性、恢复能力和执行成本持续优化算法效果。\n3.具身系统认知：理解从感知、地图、定位、规划、决策到动作执行的完整闭环，能够识别 Agent 与机器人各模块之间的瓶颈并定位优化路径。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}