规划控制算法工程师（无人装载机）

优缺点分析

角色解读

• 从算法工程师发展为无人驾驶系统架构师，负责整体技术方案设计
• 可向团队管理或技术专家方向发展，带领团队攻克工程机械自动化前沿难题
• 积累非结构化场景无人驾驶经验后，可横向拓展至矿区、港口、农业等更多行业
• 开发并优化激光SLAM算法，在工地、矿山等非结构化场景下实现高精度建图与定位
• 设计全局/局部路径规划与运动控制算法，确保装载机自主导航和铲装卸料作业的安全高效
• 融合激光雷达、IMU、GNSS等多传感器数据，提升定位鲁棒性
• 并负责算法在实车上的部署、调试与参数标定
• 跟踪端到端学习等前沿技术，探索数据驱动方法在工程机械自主作业中的应用，推动产品化落地
• 扎实的C/C++和Python编程能力，熟悉ROS/ROS2开发环境
• 深入理解激光SLAM框架（如LOAM、LIO-SAM、FAST-LIO）及点云配准、回环检测等核心模块
• 精通路径规划算法（A*、RRT、Lattice Planner）和轨迹跟踪控制算法（Pure Pursuit、MPC、Stanley），有实车调试经验
• 具备多传感器融合定位经验（IMU、GNSS、轮速计等），以及机器人系统集成与现场调试能力

申请策略

• 在简历或面试中强调对工程机械场景的理解，展现解决实际工程问题的能力
• 关注网易伏羲或相关事业部在无人车/机器人领域的技术动态，面试时体现对业务的了解
• 重点突出激光SLAM项目经验，列出使用的框架、改进点和实际效果（如建图精度、定位鲁棒性）
• 详细描述路径规划与运动控制算法在实车/实机上的调试经历，包括遇到的边界问题和解决方案
• 展示C++/Python编程能力，ROS开发经验，以及多传感器融合的相关成果
• 如有论文、开源贡献或竞赛获奖，单独列出
• 若缺少SLAM经验，可快速学习LOAM、LIO-SAM等框架并跑通开源数据集
• 补充工程机械或重型装备运动控制知识，了解液压系统与电控接口

面试指南

• 技术问题优先按『背景-方案-难点-结果』结构回答，突出细节和量化指标
• 场景题采用『问题分析-多方案对比-最终选择-验证过程』框架，展示系统思考能力
• 请详细讲解你参与的一个激光SLAM项目，包括框架选择、地图构建流程以及定位精度如何保证
• 在非结构化环境下，路径规划算法如何应对动态障碍和地形变化？请举例说明
• 如果装载机在砂石场地上打滑，导致轮速计数据不准，你会如何融合其他传感器来保证定位？
• 你如何将MPC控制器从仿真迁移到实车，需要注意哪些问题？
• 请说说你对端到端学习在工程机械自主作业中应用前景的看法
• 复习经典SLAM论文和框架代码，准备1-2个自己深度参与的项目，能画框图、讲清原理