一条基准消息，暴露了机器人岗位的分工逻辑

消息提到，Andon Labs 在 Vending-Bench 2 和 Drone-Bench 两个智能体基准上测试了 GPT-6 Astra，得分远高于 Claude Fable 5.1。其中 Drone-Bench 要求模型写代码，让廉价 DJI Tello EDU 无人机自主导航办公室、识别特定人员并跟踪，任务拆成五步：环境三维重建、无人机定位、导航、目标人员检测和跟踪。Andon Labs 还报告，Astra 是首个在全部五个任务上最佳提交成绩均超过人类-AI 基线的模型。

这条消息本身不涉及招聘，但五步拆解恰好是一张岗位地图。

五步任务对应哪些岗位，你该往哪边靠

把五步翻译成团队分工：三维重建偏感知与重建岗，定位和导航偏 SLAM、导航规划岗，目标检测与跟踪偏感知算法岗，而让模型写代码把整条链路跑通，则接近仿真评测与工具链岗。

两类方向关注点不同。单点深耕型岗位通常只负责其中一步，比如只做检测跟踪，考核指标是精度和延迟；端到端集成型岗位要求把重建、定位、导航串起来，考核的是系统在真机或仿真里能否稳定跑完。前者适合已有某一项视觉或控制积累的人，后者更适合做过完整项目、愿意处理工程细节的人。

读岗位描述时，别只看“具身智能”四个字。要确认：团队目前主要解决五步中的哪几步？用仿真还是真机？评测标准是自建还是公开基准？如果只做一步，分工较细；如果要求端到端，综合能力门槛更高。

转方向该补什么，面试怎么问出真相

素材提到 Astra 构建了结合 COLMAP 和 DA3 并加入深度过滤的三维重建管线，这说明三维视觉、SLAM、传感器融合是常见基础；同时模型要写代码控制无人机，编程与系统集成能力同样重要。只刷算法题不够，建议用一个模拟小项目把“重建—定位—导航—检测跟踪”串一遍，哪怕跑在仿真里。

面试时可以问：团队当前最卡的是五步中的哪一步？评测是自己跑还是依赖外部基准？如果对方说“我们做端到端”，就追问数据从哪来、失败案例怎么归因。这些问题比问“用什么框架”更能判断岗位真实内容。

需要提醒的是，基准成绩不等于工业部署能力，原文也未说明这些任务对应哪些企业岗位。把它当作理解分工的参照，而不是能力承诺。

一个实际可做的小建议：挑一个你感兴趣的岗位描述，把职责逐条映射到五步任务上，看自己缺哪一步，再决定补基础还是换方向。