感知系统工程师

优缺点分析

角色解读

• 技术专家路线：深耕感知算法与系统架构，成为机器人感知领域的资深专家或技术负责人
• 系统架构师路线：拓展对机器人整体系统的理解，向更上层的机器人感知与控制整体解决方案架构师发展
• 技术管理路线：带领感知系统团队，负责更大规模的技术攻关与项目交付
• 负责机器人感知系统的全栈开发，从传感器硬件的选型、标定，到嵌入式软件的开发与优化
• 设计并实现多模态传感器（摄像头、激光雷达、IMU等）的数据融合算法与实时处理链路
• 构建机器人理解复杂动态环境的建模系统，为上层的决策与规划模块提供可靠的环境信息
• 精通传感器原理及嵌入式系统开发，具备FPGA/DSP等硬件加速编程实战经验
• 熟练掌握多模态数据融合算法设计与工程部署（如OpenXLA/TensorRT）
• 具备机器人操作系统（如ROS 2）和实时通信中间件的使用经验，理解机器人整体系统架构

申请策略

• 深入了解荣耀在机器人领域的最新动态和战略方向，在面试中展现你对公司的兴趣和思考
• 准备一个完整的技术项目介绍，涵盖问题定义、技术选型、遇到的挑战及解决方案，展现你的系统思维
• 详细描述与传感器（特别是激光雷达、IMU）相关的项目经历，突出硬件选型、标定和数据处理的实战成果
• 重点展示在嵌入式平台（如FPGA/DSP）上进行算法优化或部署的具体案例，说明性能提升指标
• 如果有ROS 2或类似机器人框架下的项目经验，务必清晰列出，体现系统集成能力
• 深入研究多模态大模型在机器人感知中的应用（如3D场景理解），这可能是该岗位的差异化竞争点
• 学习并实践最新的传感器融合算法与轻量化部署工具（如ONNX Runtime），增强算法工程化能力

面试指南

• 回答技术问题时，采用“背景-挑战-方案-结果”的结构，突出你的问题解决能力和工程化思维
• 对于开放性问题（如系统设计），先阐述设计原则（如实时性、鲁棒性、可扩展性），再分模块讲解具体技术选型
• 结合STAR法则（情境、任务、行动、结果）讲述项目经历，用具体数据量化你的贡献
• 请介绍一个你主导的多传感器融合项目，如何解决不同传感器数据的时间同步与空间标定问题？
• 在嵌入式平台上部署深度学习模型时，你遇到过哪些主要的性能瓶颈？你是如何优化的？
• 如何为动态场景下的机器人（如人形机器人）设计一个实时且鲁棒的感知系统架构？
• 你认为将多模态大模型应用于机器人实时感知，目前最大的挑战和可能的解决方案是什么？
• 系统复习嵌入式系统开发、传感器原理和常见机器人感知算法（如SLAM、3D检测）的基础知识