R&D – IoT Robotics Engineer

优缺点分析

角色解读

• 技术深耕：从机器人算法工程师发展为系统架构师，主导机器人平台的整体设计
• 跨领域扩展：结合AI与机器人技术，向具身智能、人形机器人等前沿方向转型
• 管理方向：积累项目经验后，可晋升为技术主管或团队负责人，带领机器人研发团队
• 负责机器人平台的核心功能开发，包括电机控制、底盘控制、路径规划、运动控制等底层算法
• 集成感知、定位、规划、控制等子系统，构建完整的机器人软件栈
• 针对骁龙芯片进行系统级优化，涉及操作系统、中间件和应用层的性能调优
• 使用AI技术增强机器人能力，如基于深度学习的感知和决策模块的开发与集成
• 扎实的操作系统（RTOS/ROS/ROS2）和Linux驱动开发经验，是系统级调试的基础
• 机器人核心算法能力：路径规划（如Hybrid A*、DWA）、运动控制（如MPC、WBC）、SLAM等
• AI/机器学习实践经验，能将模型应用于机器人感知与决策，提升自主性
• 良好的编程能力，熟练使用C/C++、Python，并具备数学功底（线性代数、控制理论）

申请策略

• 在申请信中表达对机器人技术的热情，尤其是对人形机器人、AMR等方向的兴趣
• 准备一个能够展示你系统级问题解决能力的项目案例，如从底层驱动到上层算法的完整实现
• 突出系统级能力：用具体项目展示你在OS（如ROS2）和Linux驱动方面的实践经验
• 强调AI落地经验：列出将AI模型部署到机器人平台的案例，说明性能提升
• 量化成果：如路径规划效率提升、控制精度优化等，用数据支撑
• 提及开源贡献：如有相关机器人开源项目（如ROS packages）或竞赛经历（如RoboMaster），会加分
• 如果对AI集成不熟悉，可以快速学习TensorRT、ONNX等模型部署工具，并练习在ROS中调用AI模型
• 补充机器人仿真环境经验，如Gazebo、Isaac Sim，提升系统集成能力

面试指南

• 使用STAR法则（情境、任务、行动、结果）来结构化回答项目经验问题
• 技术原理题：先讲核心概念，再结合实际应用场景，最后总结优缺点
• 问题排查题：先明确问题现象，然后从系统层面（OS、驱动、中间件、应用）逐层分析，最后给出解决方案
• 请描述一个你使用ROS2进行机器人系统集成的项目，遇到的最大挑战是什么？
• 如何将训练好的深度学习模型部署到嵌入式机器人平台上？请解释优化步骤
• 解释混合A*（Hybrid A*）路径规划算法的原理，并说明如何在实际机器人中实现
• 什么是MPC（模型预测控制）？在机器人运动控制中如何应用？
• 如何在Linux环境下调试一个实时性没有满足要求的机器人应用？