AI 实习生-决策与规划算法

优缺点分析

角色解读

• 实习期间可深入机器人核心算法，积累运动规划与决策的实战经验
• 表现优秀有机会转正，成为大疆的正式算法工程师，参与更多产品化项目
• 未来可向高级算法专家或技术管理方向发展，在空间智能领域深耕
• 研究和开发无人机的局部运动规划算法，解决复杂环境下的自主飞行与避障问题
• 参与行为预测和决策规划算法的预研，利用语义信息提升规划智能性
• 构建仿真评测体系和数据闭环，量化算法效果并迭代优化
• 将AI模型落地到轨迹规划和目标预测的产品中，提升产品自主飞行能力
• 扎实的数理基础，包括概率论、图搜索、矩阵分析和数值优化
• 熟练使用C++和Python进行开发，具备良好的编程习惯
• 了解机器人决策规划算法，有相关开发或工程应用经验
• 加分项：熟悉强化学习、轨迹预测、ROS、机器学习等

申请策略

• 在简历中体现算法落地能力，如将论文算法实现并应用于实际场景
• 面试前多了解大疆产品（如Mavic系列）的自主飞行功能，展现对公司的兴趣
• 突出决策规划、运动规划相关的项目经验，特别是无人机、机器人领域的
• 强调数理基础（概率论、优化等）和编程能力（C++/Python），最好附上代码仓库
• 如果有强化学习、轨迹预测、ROS等经验，务必重点展示
• 竞赛获奖、论文发表（ICRA/IROS等）是重要加分项
• 复习图搜索算法（A*、Dijkstra等）、优化方法（凸优化、数值优化）
• 练习C++编程，特别是算法实现和性能优化

面试指南

• 对于算法对比题，先阐述原理，然后从计算复杂度、完备性、实时性等维度分析
• 对于项目经验题，用STAR方法：情景、任务、行动、结果，突出你的贡献和难点攻克
• 对于开放性问题，结合具体场景给出多种方案，并分析权衡
• 请详细描述一个你做的运动规划项目，如何解决碰撞避免问题？
• 对比A*和RRT算法，说明各自的优缺点及适用场景
• 如何处理动态障碍物环境下的实时规划？
• 你对强化学习用于决策规划的理解，有何实践？
• 如何在有限的算力下保证规划算法的实时性？