运控算法工程师

优缺点分析

角色解读

• 纵向可成长为运控算法专家或技术负责人，主导力控、人机协作等核心算法方向
• 横向可拓展至具身智能、协作机器人、自动驾驶等更广泛的机器人算法领域
• 在汽车零部件与智能制造场景中积累落地经验，具备技术+产品的复合发展空间
• 负责机械臂的运动控制算法开发，包括笛卡尔空间下的轨迹规划与优化，让机械臂在复杂环境中运动更高效、更精准
• 开发阻抗/导纳控制、力位混合控制、振动抑制、碰撞检测及拖动示教等高级控制功能模块
• 完成机械臂的运动学与动力学建模、参数辨识与误差补偿，并借助仿真工具构建环境、验证算法效果
• 持续跟进运控领域前沿技术，探索并引入新的算法与模型
• 扎实的机器人运动学与动力学理论基础，能做参数辨识与误差补偿建模
• 熟悉阻抗/导纳控制、力位混合控制等力控算法，以及轨迹规划与振动抑制方法
• 熟练使用仿真工具进行算法建模与验证，具备一定的工程实现（如C++/Python）能力
• 控制工程、机器人、自动化或机械电子等相关专业背景，有3年以上机器人运控项目经验

申请策略

• 了解均胜群英在智能内饰及新能源充配电方向的业务，思考运控算法如何与产品结合
• 面试前准备好1-2个完整项目案例，能清晰讲解算法选型与调优过程
• 重点突出机械臂运动学/动力学建模、参数辨识与误差补偿的实际项目经验
• 展示轨迹规划、阻抗/导纳控制、力位混合控制、振动抑制等算法模块的开发与落地成果
• 量化算法效果，如精度提升、运动效率优化、碰撞检测成功率等可衡量指标
• 列出使用的仿真工具与编程语言（如C++、Python、MATLAB/Simulink、Gazebo等）
• 复习并强化阻抗/导纳控制、力位混合控制等力控算法的理论与工程实现
• 熟悉主流机器人仿真平台与实时控制框架，提升算法验证与部署能力

面试指南

• 采用STAR结构讲项目：背景—你的具体算法方案—遇到的技术难点—量化结果
• 理论问题先讲清概念与适用场景，再结合自己做过的项目说明工程实现与取舍
• 对开放性问题展示技术判断力，例如分析仿真与实机差异、如何迭代调参
• 请介绍你做过的机械臂轨迹规划项目，如何做笛卡尔空间规划与优化？
• 阻抗控制和导纳控制有什么区别？分别适用于什么场景？
• 你如何做机械臂的运动学/动力学建模与参数辨识、误差补偿？
• 振动抑制和碰撞检测你用过哪些方法，效果如何？
• 你如何用仿真工具验证运控算法，仿真到实机的差距如何处理？