定位导航算法工程师（机器人）(J11196)

优缺点分析

角色解读

• 技术专家路线：深耕定位导航与机器人感知领域，成为解决复杂户外机器人核心技术难题的算法专家或架构师
• 技术管理路线：带领小团队负责某个机器人产品线或模块的算法研发，向技术负责人或项目经理方向发展
• 行业拓展路线：凭借积累的机器人移动技术经验，向自动驾驶、无人机、高端服务机器人等更广阔的领域拓展
• 设计并实现机器人（如割草机器人）在复杂户外环境中的多传感器融合定位算法，确保定位的连续性和精度
• 开发激光或视觉SLAM系统，负责地图构建、实时定位与地图维护，解决大范围、弱纹理环境下的技术挑战
• 研发全局与局部路径规划算法，让机器人能够高效、安全地完成覆盖式清扫、避障等作业任务
• 建立从仿真到实车的评测体系，通过数据分析持续迭代优化算法性能，最终推动技术稳定应用于量产产品
• 扎实的编程与工程能力：精通C++/Python，熟悉Linux和ROS 2开发环境，能独立完成从算法设计到工程集成的全流程
• 深厚的定位导航算法知识：掌握EKF/UKF、因子图优化等融合方法，熟悉主流SLAM（激光/视觉）和路径规划（A*、Hybrid A*）技术原理
• 丰富的系统集成与调试经验：具备传感器标定、时间同步、坐标系管理等能力，能有效分析数据质量，并完成实车验证
• 处理复杂场景的实战能力：有应对雨雾、逆光、GNSS拒止等真实世界挑战的优先经验

申请策略

• 在简历和面试中，重点展现你如何将算法从“能用”优化到“好用”并最终“可靠量产”的过程，这正是职位描述强调的核心
• 提前了解黑芝麻智能的主要业务和产品方向，思考你的技能如何与之匹配，面试时可以提出有深度的见解或问题
• 突出3年以上在移动机器人、低速车辆或自动驾驶领域的定位导航算法项目经验，特别是涉及多传感器融合、SLAM或路径规划的实战项目
• 详细描述你在处理复杂场景（如雨雾、弱纹理、GNSS失锁）时所采用的技术方案和取得的效果
• 明确列出你掌握的C++/Python、ROS 2、EKF、因子图、Hybrid A*等关键技术栈，并说明其在项目中的具体应用
• 如有相关算法竞赛（如Kaggle）、开源项目贡献或学术论文，可作为技术热情的有力证明
• 深入学习并实践Nav2、GTSAM、LIO-SAM等JD中提到的主流框架，可以通过阅读源码、复现论文或参与开源项目来加深理解
• 强化在“仿真到实机”验证方面的经验，例如熟悉Gazebo、CARLA等仿真器，并积累通过仿真调试真实问题的案例

面试指南

• 对于项目经验类问题，采用STAR法则（情境-任务-行动-结果）结构化回答，重点突出你个人在技术方案设计和问题解决中的具体贡献
• 对于算法原理类问题，先阐述基本原理，再结合你的项目经验说明实际应用中的考量和优化点，展示理论与实践的结合
• 对于系统设计类问题，从需求分析、模块划分、技术选型、鲁棒性设计到验证方法，进行系统性阐述，体现你的工程思维
• 请详细介绍一个你主导的、涉及多传感器融合定位的项目，你是如何解决精度和鲁棒性挑战的？
• 在视觉SLAM或激光SLAM中，如何解决大范围场景下的地图维护和回环检测问题？请结合实际经验谈谈
• 如果让你为一款在草坪上工作的割草机器人设计路径规划算法，你会如何考虑效率、覆盖率和避障的平衡？
• 当机器人处于GNSS完全拒止的区域（如隧道或室内），仅靠IMU和轮速导航会带来什么问题？你有什么解决方案？
• 你如何构建一个定位导航系统的评测体系？会关注哪些核心指标？