自动驾驶-机器人算法实习生-2027届

优缺点分析

角色解读

• 算法实习生 → 转正为正式研究员/工程师，深入参与核心项目
• 在自动驾驶或具身智能领域深耕，成为细分方向技术专家
• 可向技术Leader或高级研究员发展，带领团队攻关前沿技术
• 参与自动驾驶和机器人领域的前沿算法研发，重点研究端到端模型、多模态大语言模型等
• 进行多模态理解与3D生成式算法的研究与落地，关注生成式AI和大语言模型的评估与微调
• 探索WorldModel、空间智能等方向，推动具身智能技术的发展
• 扎实的机器学习与深度学习基础，熟悉CNN、Transformer、扩散模型等
• 具备自动驾驶或机器人相关算法经验，如BEV感知、模型、NeRF等
• 有顶会论文发表经历或知名实验室实习经验，能独立开展研究
• 熟悉Python和至少一种深度学习框架（如PyTorch），有较强的代码能力

申请策略

• 在投递时附上个人研究总结或GitHub项目链接，展现代码和工程能力
• 提前了解小米自动驾驶和机器人团队的技术方向，在面试中体现匹配度
• 突出相关方向的论文发表经历，尤其是CVPR/ICCV/ECCV等顶会
• 重点展示在BEV感知、World Model、3DGS、LLM/VLM等方向的深入研究项目
• 列出算法竞赛或自动驾驶挑战赛的获奖经历，如KITTI、nuScenes等
• 系统学习扩散模型、多模态模型（CLIP、LLaVA）的最新进展，并动手复现论文
• 熟悉至少一个自动驾驶仿真器（如Carla）或机器人仿真器（如Isaac Sim）

面试指南

• 采用STAR法则描述项目：背景、任务、行动、结果，突出自己贡献和技术难点
• 对于前沿技术问题，先给出基本定义，再分析核心思想、优缺点，最后结合实际应用场景
• 展示自学能力：当被问到不熟悉的方向时，可以承认并分享快速学习的方法和计划
• 请详细介绍一下你在自动驾驶/机器人方向最满意的一个研究项目，包括方法、实验和结果
• 你对VLM/VLA模型的理解？它们在自动驾驶中如何应用？
• D Gaussian Splatting的优缺点是什么？与传统NeRF相比有何改进？
• 如何设计一个数据合成的pipeline来提升多模态模型的性能？
• 你如何看待World Model在具身智能中的作用？你熟悉的实现方式有哪些？