27届校招正式批-具身智能(机器人)自主导航算法工程师

优缺点分析

角色解读

• 深耕具身智能导航算法，成长为该领域的核心算法专家，主导复杂导航系统的设计
• 纵向提升可向感知、决策、规划等更完整的机器人智能栈发展，或转向技术管理
• 横向可拓展至自动驾驶、无人机、服务机器人等广泛应用场景，积累行业经验
• 负责开发基于大模型的机器人端到端自主导航算法，让机器人能理解语言指令并在复杂环境中自主移动
• 构建机器人的三维空间记忆和语义地图，使其具备长距离、复杂场景下的定位与导航能力
• 设计和搭建算法评测系统，并解决算法从仿真到真实机器人部署过程中的工程化挑战
• 扎实的计算机视觉、SLAM和机器人导航算法理论功底，了解前沿的端到端导航技术
• 精通C++/Python编程，熟练使用ROS/ROS2等机器人开发框架和Linux系统
• 具备将算法应用于真实机器人平台（如无人机、移动机器人）的工程实践和调试能力

申请策略

• 深入研究虹软科技在计算机视觉、智能汽车、机器人等领域的业务和技术布局，理解该岗位可能应用的产品场景
• 准备清晰、有条理地介绍自己过往最得意的算法项目，重点说明问题定义、技术选型、实现难点和最终效果
• 重点展示在SLAM、机器人导航、计算机视觉或大模型相关课程项目或科研经历，突出算法设计和系统实现细节
• 如有相关领域的论文发表或技术博客、开源项目贡献，务必在简历中清晰列出
• 强调C++/Python编程能力，以及在ROS/ROS2、Linux环境下进行开发调试的实践经验
• 复习并加深对视觉SLAM、LiDAR SLAM、路径规划（如A*, RRT）经典算法的理解
• 学习并实践ROS2框架，尝试将简单导航算法部署到仿真（如Gazebo）或实体机器人平台
• 跟进阅读CVPR、ICRA、ICLR等会议上关于VLN（视觉语言导航）、Nav-VLA等方向的最新论文

面试指南

• 对于技术原理题，采用“定义-核心思想-关键步骤-优缺点对比”的结构进行阐述
• 对于工程实践题，使用STAR法则（情境、任务、行动、结果）来描述，重点突出你的解决问题的思路和具体技术方案
• 对于开放设计题，先分析问题的本质（如语义理解、规划、执行），再提出模块化的解决思路，并说明可能的难点
• 请解释一下传统SLAM（如VSLAM和LiDAR SLAM）和端到端导航算法的核心区别与各自优缺点
• 在真实机器人上部署导航算法时，你遇到过哪些主要的工程挑战？你是如何解决的？
• 你如何理解“开放词汇下的自主探索”？让机器人实现这一点需要哪些关键模块协作？
• 描述一个你最熟悉的导航相关算法或系统，从原理到实现细节
• 系统梳理SLAM、机器人导航相关的知识体系，并针对端到端导航、VLN等前沿方向做专题学习