R&D – IoT Robotics Engineer

优缺点分析

角色解读

• 技术深耕：成为机器人仿真和Sim2Real领域的资深专家，主导复杂仿真系统架构设计
• 横向扩展：向感知算法、导航控制或AI训练方向拓展，成为全面的机器人系统工程师
• 管理路线：带领仿真团队，协调跨部门合作，参与技术决策和客户支持
• 开发和维护面向高通骁龙平台的机器人仿真环境，使用Gazebo、Isaac Sim等工具构建高保真物理仿真
• 集成传感器模型（相机、LiDAR等）和执行器模型，支持感知、导航和控制的仿真验证
• 与算法团队合作实现Sim2Real迁移，将仿真中训练的算法部署到真实机器人上
• 支持客户项目，提供基于仿真的演示和技术指导，帮助客户加速产品开发
• 精通机器人仿真工具（Gazebo、Isaac Sim、Webots等）和ROS/ROS2系统集成
• 扎实的机器人学基础：运动学、动力学、控制系统和传感器建模
• 熟练使用C++和Python进行开发，具备Linux环境下的工程能力
• 良好的数学功底（线性代数、优化、概率），以及调试和系统优化能力

申请策略

• 了解高通骁龙平台的机器人解决方案，关注其官方文档和开发者社区，在面试中展示对平台的理解
• 准备一个完整的仿真项目案例，从需求、设计、实现到验证，体现工程思维和技术深度
• 突出机器学习或机器人仿真项目经验，尤其是使用Gazebo、Isaac Sim、ROS2构建的仿真环境
• 强调C++和Python编程能力，展示在Linux下的开发成果，如开源项目或技术博客
• 如有Sim2Real或传感器建模经验，务必详细描述技术细节和量化成果
• 体现团队合作和客户支持经历，说明在跨部门项目中解决问题的方法
• 如果对Sim2Real域随机化不熟悉，可以学习相关论文和开源工具（如NVIDIA Isaac Sim的域随机化功能）
• 加强物理引擎基础，如Bullet、ODE等，了解GPU加速渲染管线（如CUDA/OpenGL）

面试指南

• 对于技术实现类问题，采用STAR法则（情境-任务-行动-结果），先简述项目背景，再说明具体方案和技术细节，最后总结效果
• 对于概念理解类问题，先给出定义，再对比异同，最后结合项目经验说明应用场景
• 请描述你设计或维护过的一个机器人仿真系统，包括技术选型和遇到的挑战
• 如何实现Sim2Real迁移？请举例说明域随机化策略
• ROS2中的话题、服务和动作机制有什么区别？你在项目中如何使用？
• 如何用Gazebo或Isaac Sim建模仿真一个差速驱动机器人的传感器（如激光雷达）？
• 在仿真中如何验证导航算法（如全局路径规划和局部轨迹跟踪）？
• 复习ROS2核心概念和常用工具（rviz2, tf2, nav2），在本地搭建一个简单仿真环境跑通流程