水下三维感知与具身智能算法研究员/工程师

优缺点分析

角色解读

• 在技术深度上，可向三维视觉、具身智能领域的专家方向发展，成为算法团队的领军人物
• 在业务广度上，可参与更多水下机器人应用场景的落地，逐步转向技术管理或产品规划岗位
• 依托中国电信的平台，有机会参与国家级或行业级重大项目，积累丰富的工程经验与行业资源
• 研发水下复杂环境下的三维场景重建与感知算法，解决浑浊、低照度等恶劣条件下的视觉感知难题
• 开发语义建图、场景理解等算法，支撑水下机器人的自主巡检与作业任务
• 将算法部署到机器人及嵌入式平台，进行性能优化，实现工程化落地
• 持续跟踪三维视觉、具身智能等前沿技术，推动新技术在业务中的应用
• 扎实的计算机视觉、三维视觉和深度学习理论基础，熟悉SLAM、SfM、NeRF、3D Gaussian Splatting等核心技术
• 精通C++和Python，熟练使用PyTorch等深度学习框架，具备优秀的算法实现能力
• 熟悉ROS/ROS2机器人开发框架，具备机器人或无人系统项目经验
• 具备扎实的数学功底，熟悉优化算法、几何计算和概率估计

申请策略

• 提前了解中国电信在AI、机器人领域的战略布局和已有产品，在面试中展示你对公司业务方向的理解
• 准备一个能体现你解决复杂问题能力的项目案例，并思考如何将其与水下场景结合
• 重点突出三维重建、SLAM、NeRF或3D Gaussian Splatting相关的项目经历，详细描述算法设计、实现和优化过程
• 强调C++/Python编程能力和PyTorch框架的使用经验，可附上GitHub链接或技术博客
• 如有水下机器人、无人系统或具身智能相关项目，务必突出，这是重要的加分项
• 展示扎实的数学基础，如优化算法、几何计算方面的研究成果或论文
• 系统梳理SLAM、NeRF、3D Gaussian Splatting的核心原理，并尝试用PyTorch复现经典论文
• 深入学习ROS/ROS2，了解机器人系统的通信机制和模块化开发，可尝试在仿真环境中搭建简单的感知系统

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、个人贡献、技术方案和最终成效
• 对于开放性问题，先拆解问题本质，再结合自己的知识体系给出结构化分析，最后提出可行的解决思路，展现逻辑性和创新性
• 在讨论技术选型时，要体现对算法原理、计算复杂度和工程可行性的综合权衡
• 请详细介绍一下你在三维重建或SLAM项目中的工作，遇到过哪些挑战，如何解决的？
• 谈谈你对NeRF和3D Gaussian Splatting的理解，它们在工程落地中各自的优缺点是什么？
• 在水下低照度、浑浊环境下，你认为哪些视觉算法会失效？你会如何设计一个鲁棒的感知方案？
• 你如何将一个研究型算法部署到资源受限的嵌入式平台上？请描述你的优化思路
• 你对具身智能的未来发展有何看法？它和水下机器人结合的最大难点是什么？