高德-具身大模型算法（多模态感知方向）-具身业务部

优缺点分析

角色解读

• 在具身智能领域深耕，成为多模态感知方向的专家，主导核心技术研发
• 有机会晋升为技术负责人，带领团队推进具身智能产品落地
• 可横向拓展到VLA、人机交互等方向，成为全栈具身智能算法专家
• 负责具身智能算法研发，包括VLA全身操控大模型、多模态感知大模型等，需要将算法落地到仿真与真机闭环
• 设计多模态感知融合架构，处理图像、点云、IMU、GNSS等异构数据，实现时空对齐与端侧加速
• 面向机器人交互、导航、操作等功能，提供3D语义占据、动态目标检测与跟踪、6D位姿估计等结构化输出
• 与硬件、数据团队协同，推动算法在实际机器人产品中的功能落地
• 扎实的计算机视觉和机器人学基础，熟悉多模态融合感知、目标检测、3D实例分割、6D位姿估计等任务
• 熟练掌握PyTorch，具备丰富的模型训练与调优经验
• 熟悉ROS/ROS2，具备真机调试和现场问题解决能力
• 良好的逻辑分析、学习、沟通和团队协作能力

申请策略

• 了解高德具身业务的产品方向，思考自己的技能如何与之结合
• 在面试中展示对具身智能全栈的理解，而不仅仅是单一模块
• 突出多模态感知、目标检测、3D分割、6D位姿估计等项目的实际成果，量化性能提升
• 强调PyTorch使用经验和模型训练调优的细节，如分布式训练、端侧部署等
• 展示ROS/ROS2真机调试经验，包括遇到的问题和解决方案
• 如有顶会论文，重点标注，并说明与岗位的关联
• 补充学习VLA模型和具身智能最新论文，了解行业前沿
• 熟悉点云处理库（如Open3D、PCL）和端侧推理框架（如TensorRT、ONNX Runtime）

面试指南

• 用STAR法则回答项目经验，突出挑战、行动和量化结果
• 对于技术问题，先阐述原理，再结合实践案例，最后总结方法论
• 展示对具身智能领域的热情和持续学习的态度
• 请描述一个你处理过多模态融合感知的项目，如何解决异构特征对齐问题？
• 在真机调试中遇到传感器数据不同步或噪声大时，你会如何排查和解决？
• 如何设计一个高效的端侧3D语义占据网络？
• 你如何评估一个VLA模型在真实机器人上的表现？
• 谈谈你对具身智能未来发展的看法，以及高德在此领域的优势