Senior Software Engineer, Perception (Robotics)

优缺点分析

角色解读

• 在技术深度上，可以成长为感知预测领域的专家，主导复杂系统的设计和优化
• 在职业发展上，有机会向技术管理岗位发展，带领团队负责整个感知模块的交付
• 在业务影响上，随着Grab机器人车队的扩张，你的工作将直接影响公司核心业务的效率和成本
• 负责开发和改进多目标跟踪系统，包括数据关联、贝叶斯状态估计和轨迹生命周期管理，确保机器人在复杂场景中稳定识别和追踪物体
• 构建和强化开放集世界理解能力，处理类别无关的障碍物检测、占用网格和聚类，使机器人能安全应对罕见或未知物体
• 开发行人、骑行者、车辆等智能体的运动预测模型，包括多模态轨迹预测和交互感知预测，为规划模块提供关键输入
• 探索和评估端到端时间感知预测模型、VLM/VLA及具身基础模型，并将其从研究原型转化为可部署的机器人功能
• 扎实的C++和Python编程能力，能编写生产级代码并构建训练和评估工具
• 深厚的多目标跟踪、贝叶斯滤波和运动预测理论基础，并有实际项目经验
• 熟悉多传感器融合（相机、LiDAR、雷达、IMU）和标定、时间同步等基础知识
• 对经典几何方法和现代学习方法有深入理解，并能根据场景选择合适的技术方案

申请策略

• 在申请材料中，除了技术能力，也体现你对机器人技术商业价值的理解，以及你对Grab使命和业务的认同
• 准备好展示你如何评估新技术，并做出务实的技术决策，以证明你具备区分研究价值与工程价值的能力
• 重点突出你在多目标跟踪、运动预测或开放集感知等领域的项目经验，用具体数据和指标说明你如何提升了系统性能
• 详细描述你使用C++和Python开发生产级系统的经验，包括你如何优化实时性能和处理嵌入式部署
• 强调你在多传感器融合、标定和时间同步方面的实践经验，以及如何解决实际工程问题
• 如果有VLM/VLA或端到端模型的研究或应用经验，务必突出，这是该岗位的加分项
• 深入学习最新的多目标跟踪和运动预测论文，并尝试复现，以加深对前沿算法的理解
• 熟悉NVIDIA Orin平台和TensorRT部署流程，了解模型量化和优化技术

面试指南

• 回答技术问题时，采用STAR法则（情境-任务-行动-结果），清晰阐述项目背景、你的具体贡献、采用的技术方案和量化成果
• 对于技术选型问题，展示你的思考过程：先分析问题约束（如实时性、可靠性），再比较不同方案的优缺点，最后给出你的选择依据
• 在讨论前沿技术时，既要展现你的了解，也要强调你对技术落地的务实态度，说明如何评估其实际价值
• 请详细描述你过去负责的一个多目标跟踪项目，包括算法选型、数据关联策略和最终效果
• 如何设计一个运动预测模型来应对复杂交互场景？如何评估其不确定性？
• 在传感器融合中，如何处理不同传感器之间的时间同步和空间对齐问题？
• 谈谈你对端到端感知预测模型和模块化方法优缺点的理解，以及如何选择？
• 如何将一个研究原型转化为可部署的机器人功能？请描述你的工程化流程