规控算法工程师-扫地机

优缺点分析

角色解读

• 从算法工程师逐步进阶为资深算法专家，在路径规划、运动控制或强化学习等细分领域深耕
• 有机会向技术管理方向转型，带领团队负责完整算法模块的研发与落地
• 可跨领域拓展到其他机器人产品（如四足、机械臂、自动驾驶），职业空间广阔
• 负责扫地机器人路径规划与运动控制算法的设计与实现，覆盖全局规划、局部避障、充电桩对接等核心功能
• 针对复杂家庭场景（沿边清扫、地毯、家具低矮、脱困等）进行策略优化，提升机器人的清洁覆盖率和脱困能力
• 参与端到端规划与强化学习算法的探索和研究，推动算法在真实机器人上的落地与性能优化
• 进行算法仿真测试与实机验证，完成算法在嵌入式平台上的移植与调优
• 扎实的C++编程能力，熟悉数据结构与算法，能够高效实现复杂算法
• 掌握常见路径规划算法（A*、RRT、PRM、MPC等）和控制理论，理解差速运动学模型
• 熟悉Linux开发环境和ROS，能够独立搭建与调试机器人软件系统
• 了解深度强化学习（如PPO、SAC、DQN），有实际项目或竞赛经验者优先

申请策略

• 提前关注小米招聘官网和校园招聘时间节点，尽早投递
• 了解小米扫地机器人产品线和技术特点，在面试中展示你对产品的理解与热情
• 突出机器人相关项目经历，如竞赛（RoboMaster、智能车等）、课程设计或实验室项目，重点描述你负责的算法部分和成果
• 强调C++编程能力，可附上GitHub链接或代码样例，展示代码规范和数据结构功底
• 如果有顶会论文或强化学习项目经验，务必放在显眼位置，这是重要加分项
• 量化项目效果，例如路径覆盖率提升百分比、脱困成功率等，增加说服力
• 系统复习路径规划算法（A*、RRT等）和运动控制理论，并动手实现简易版本
• 熟悉ROS核心概念，尝试在仿真环境中（如Gazebo）搭建机器人模型并进行导航测试

面试指南

• 先讲清楚基本原理和算法流程，再结合具体场景说明应用和优化方向
• 针对项目类问题，采用STAR法则（情境-任务-行动-结果）组织答案，突出个人贡献
• 对于综合设计题，可以先给出整体思路，再逐步拆解模块，并与面试官互动确认假设
• 请介绍A*算法的原理和实现细节，以及如何优化搜索效率
• 如何设计一个扫地机器人的全覆盖路径规划方案？
• 在运动控制中，差速驱动模型是如何建立的？如何实现平滑转向？
• 你参与过的项目中遇到的最大技术挑战是什么？如何解决的？
• 你对强化学习在机器人路径规划中的应用有哪些理解？