痛点：三层叠加，标准混用必然招错
机器人行业不是铁板一块，而是研究层 / 工程层 / 交付层三层叠加。产线调试专家与仿真竞赛冠军面对同一硬件故障，诊断路径与速度可差一个数量级。若用 SLAM 论文标准面试产线工程师，或用交付 KPI 考核研究科学家，招聘预算再高也难以招对。
Skillver 解法：按层拆岗，按岗验证
- IND-ROBO 6 标准岗：具身智能算法 · 机器人感知 · 导航规划 · 运动控制 · 具身硬件 · 自动驾驶感知（详见 2026 行业岗位标准）。
- 三套评估逻辑：研究层看理论深度与范式理解；工程层看系统翻译与仿真到实机的 gap；交付层看故障诊断、节拍与量产稳定性（白皮书 Vol.2）。
- L1–L5 能力分界线：以具身 Agent 工程师为例，L3–L4「Protocol 核心技能构建者」往往是量产中坚，而非论文数量最多的人。
- 报告驱动终面：企业 HR 先读七维战力与岗位级 AI 面试报告，再发起终面邀约，降低错面成本。
企业阶段与人才配比（框架）
0→1 阶段偏重研究与工程翻译；1→10 阶段需要工程层与交付层并行；10→100 阶段交付层与数据飞轮能力权重上升。Skillver 选岗与验证流程按企业发布的标准岗位对齐，避免「全栈机器人工程师」这类模糊 JD。