高德-具身通用运控算法工程师(强化学习方向)-具身业务部

优缺点分析

角色解读

• 在具身智能这一前沿领域深耕，成为运动控制方向的顶尖专家
• 有机会向技术管理方向发展，带领团队负责核心算法模块的研发与落地
• 随着具身智能在物流、自动驾驶等场景的落地，职业发展空间广阔，可向业务负责人或首席科学家方向发展
• 研发支持多模态指令的通用运动控制算法，让机器人能够高保真地执行各种自然动作指令
• 设计并实现面向复杂地形和动态环境的自适应运动策略，提升机器人的稳定性和鲁棒性
• 搭建高保真仿真环境，进行大规模强化学习训练，并持续迭代优化控制策略
• 与上游动作预测和意图理解算法团队协作，构建支持自主交互的运动控制能力
• 精通主流深度强化学习算法（如PPO、SAC、DDPG），并具备在Isaac Gym/Sim等平台进行大规模并行训练的实战经验
• 系统掌握Sim2Real技术栈，包括域随机化、Sim2Sim迁移、运动跟踪等关键技术
• 具备扎实的工程能力，熟练掌握C++/Python编程，熟悉ROS/ROS2，并有实体机器人部署与调试经验
• 能够设计任务解耦式多目标奖励函数，融合运动学约束、动力学可行性等维度

申请策略

• 在简历中突出与具身智能、运动控制相关的项目，并准备一个能体现你技术深度的项目案例
• 了解阿里巴巴高德地图的业务方向，特别是具身智能在导航、物流等场景的潜在应用
• 突出在运动控制、强化学习领域的项目经验和成果，特别是Sim2Real相关的项目
• 详细描述在Isaac Gym/Sim等平台进行大规模训练的经验，并量化性能提升
• 强调C++/Python的工程能力，以及ROS/ROS2的实际使用经验
• 如果有顶会论文，务必突出，这是重要的加分项
• 深入理解并熟练运用PPO、SAC等主流强化学习算法，并了解其变种
• 熟悉Isaac Gym/Isaac Sim等仿真平台，并尝试搭建自己的仿真环境

面试指南

• 采用STAR法则（情境、任务、行动、结果）来组织你的项目经验，突出你的思考过程和最终成果
• 在回答技术问题时，先阐述原理，再结合自己的实践，最后总结经验和教训
• 对于开放性问题，展示你的逻辑思维和问题解决能力，可以提出多种方案并分析其优缺点
• 请详细介绍一下你使用PPO或SAC算法解决运动控制问题的项目，包括状态空间、动作空间、奖励函数的设计
• 如何解决Sim2Real中的域差异问题？请举例说明你使用过的域随机化策略
• 在Isaac Gym中进行大规模并行训练时，如何优化训练效率和稳定性？
• 如何设计一个多目标奖励函数来平衡运动速度、稳定性和能量消耗？
• 请描述一次你在实体机器人上部署和调试运动控制算法的经历，遇到了哪些挑战？