机器人算法工程师

优缺点分析

角色解读

• 从算法工程师向技术专家或架构师发展，深度参与机器人核心算法
• 向具身智能领域深入，成为VLA或机器人感知决策方向的领军人才
• 可横向扩展至机器人系统设计、团队管理或技术负责人角色
• 负责AGV/AMR调度系统的算法迭代，优化路径规划和交通管理策略以提升效率
• 参与具身智能大模型（VLA）在机器人端的部署与适配，提升环境适应能力
• 研发机器人感知、决策、控制算法，解决复杂物流场景的实际问题
• 支持从需求分析到系统落地的全流程，包括方案设计和部署实施
• 扎实的AGV调度系统开发经验，熟悉死锁处理机制
• 理解VLA模型原理，能操作RT-1/2、OpenVLA等开源项目
• 熟练掌握PyTorch或TensorFlow，了解Transformer、Diffusion Model等架构
• 具备良好的数据结构、算法和操作系统基础，注重工程落地能力

申请策略

• 了解顺丰物流场景的具体痛点，在面试中展示你对场景的理解
• 关注顺丰技术博客或公开分享，体现对公司的认同感
• 突出AGV调度系统或具身智能项目的实际开发经验，量化成果（如效率提升百分比）
• 详细描述你在VLA、路径规划或机器人控制中的具体贡献和技术细节
• 强调工程落地能力，包括系统架构设计、性能优化和问题排查案例
• 提前熟悉VLA开源项目（如RT-1/2、OpenVLA），动手复现并理解原理
• 补充强化学习或运动规划相关知识，提升机器人控制算法能力

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术难点和量化成果
• 先给出核心原理，再结合具体项目说明技术的适用场景和局限性
• 从系统层面思考，平衡算法效果与计算资源、稳定性的关系
• 请描述一次你优化AGV调度算法并解决死锁问题的经历
• 解释VLA模型的原理，以及它与传统机器人控制方法的区别
• 如何在大规模物流场景中保证机器人算法的实时性和稳定性？
• Transformer和Diffusion Model在机器人任务中如何应用？
• 你如何处理算法在落地过程中遇到的工程挑战？