顶尖应届-机器人具身智能算法研究员-机器人事业部

优缺点分析

角色解读

• 从算法研究员起步，可向具身智能方向专家或技术负责人发展
• 通过积累机器人落地经验，横向拓展至自动驾驶、大模型等关联领域
• 在小米平台内，可晋升为高级研究员或团队技术leader
• 参与具身智能算法的研发，聚焦技能学习、动作规划和抓取操作，实现多场景任务泛化
• 设计并训练模仿学习、强化学习等模型，构建机器人的通用技能库
• 与大模型、运控团队协作，推动具身智能数据集和机器人平台落地
• 跟踪学术前沿，快速复现并创新，输出论文和专利
• 深度掌握VLM+VLA双系统设计，熟悉ACT、Diffusion Policy等核心算法
• 在多模态学习、强化学习、知识蒸馏等方向有项目或理论基础
• 扎实的Python和C++编程能力，熟练使用PyTorch或TensorFlow
• 具备创新思维和英文读写能力，能快速跟进前沿技术

申请策略

• 在求职信中表明对具身智能方向的热情，并附上GitHub链接展示相关代码
• 关注小米机器人事业部的最新动态，面试中展现对业务的理解
• 突出具身智能相关项目或论文，特别是使用ACT、Diffusion Policy等算法的经历
• 强调VLM/VLA或多模态模型的实战经验，例如GROOT、Helix等
• 展示Python/C++编程能力和框架使用（PyTorch/TensorFlow），以及Git协作经验
• 如有自动驾驶、机械臂、大模型实习经历，务必重点描述
• 若缺少VLM/VLA基础，可快速学习相关论文（如RT-2、Octo）并动手复现
• 巩固强化学习和模仿学习理论，练习在仿真环境（如MuJoCo）中部署算法

面试指南

• 对于技术原理问题，先清晰定义概念，再结合项目实例说明，突出落地挑战和自己的贡献
• 对于场景设计问题，按照“问题分析-方案设计-实验验证-迭代优化”的逻辑回答
• 对于开放性问题，展现思考深度，结合学术趋势和产业应用，体现对公司业务的理解
• 请介绍VLM和VLA的区别，以及它们在机器人操作中的具体作用
• 详细讲一下你使用Diffusion Policy或ACT的经验，包括训练细节和部署挑战
• 在多模态学习中，如何处理视觉和语言模态的对齐？请举例
• 如何设计一个模仿学习策略实现物体抓取？考虑泛化性
• 你如何看待具身智能的未来发展方向？小米在这方面有哪些机会？