顶尖实习-机器人具身智能算法研究员-机器人事业部-实习

优缺点分析

角色解读

• 从实习转正为正式研究员，深入具身智能领域，成为团队核心技术骨干
• 跟随项目从研发到量产，积累机器人全栈经验，晋升为算法负责人或技术专家
• 通过论文和专利积累学术影响力，可向学术界深造或工业界高级岗位发展
• 研发机器人具身智能算法，专注于技能学习、动作规划和抓取操作，让机器人能泛化完成多场景任务
• 设计并训练模仿学习、强化学习、多模态学习等模型，构建机器人的通用技能库
• 与大模型、运动控制等团队协作，推动数据采集、算法部署和项目落地
• 跟踪最新学术进展，快速复现前沿算法并创新，参与论文和专利的撰写
• 扎实的机器人学、机器学习理论功底，熟悉VLM/VLA等双系统设计
• 掌握至少一种主流算法框架，如ACT、Diffusion Policy、RDT、Pi0
• 熟练使用Python和C++，精通PyTorch或TensorFlow，具备规范Git工作流习惯
• 具备多模态、强化学习、迁移学习等方向的SOTA项目经验或扎实基础

申请策略

• 投递时附上个人技术博客或GitHub仓，体现对具身智能的热情和动手能力
• 了解小米机器人事业部最新动态（如CyberDog、CyberOne），面试中展示对产品的理解
• 突出与具身智能、机器人、强化学习、多模态相关的项目或论文经历，说明自己的具体贡献和结果
• 展示SOTA算法复现或改进的经验，如Diffusion Policy、ACT等，最好有开源代码或GitHub链接
• 强调编程能力：Python/C++项目量，PyTorch/TensorFlow使用深度，以及Git协作经验
• 如有机器人比赛、自动驾驶、大模型相关经历，务必重点体现
• 补强机器人操作系统的知识（如ROS2），并动手复现一个具身智能基线算法
• 深入理解VLM+VLA双系统设计，阅读几篇经典论文（如RT-2、Octo、RDT）

面试指南

• 先明确问题核心，用定义+原理+举例的结构回答，展现理论基础
• 结合自身项目经验，用STAR法则描述具体场景、任务、行动和成果
• 对于算法对比类问题，从性能、复杂度、适用场景等维度客观分析
• 请解释什么是VLM和VLA双系统设计，以及它们如何在机器人操作中协同工作？
• 你如何设计和实现一个模仿学习算法？请从数据收集、模型选择到部署的完整流程
• 你对Diffusion Policy和ACT两种算法有什么理解？它们的优缺点分别是什么？
• 如果你有一个机器人抓取任务，但训练数据有限，你会如何通过迁移学习或数据增强来解决？
• 请描述一个你参与过的机器人或AI项目，你在其中扮演的角色和技术难点