算法工程师（负责人岗)

优缺点分析

角色解读

• 技术深度发展：深耕无人机感知领域，成为算法专家或首席科学家
• 技术管理路线：从技术负责人晋升为团队leader，管理感知算法团队
• 横向拓展：向机器人、自动驾驶等相邻感知领域发展，应用场景广阔
• 负责无人机视觉与激光雷达感知算法的研发，包括目标检测、障碍物识别、地形跟随等核心模块
• 设计多传感器融合方案，将视觉、LiDAR、IMU、毫米波数据融合，提升复杂环境下的感知鲁棒性
• 将算法部署到嵌入式平台（如Jetson、地平线），进行量化、剪枝和推理加速，实现机载实时运行
• 与飞控、定位、规划控制团队协作，参与全自主飞行闭环的调试与优化
• 扎实的感知算法基础：精通视觉检测、跟踪、分割、点云处理、动态避障、视觉SLAM等
• 精通Python/C++，熟练使用PyTorch/TensorFlow深度学习框架以及OpenCV、PCL、ROS等工具
• 具备模型优化与嵌入式部署经验：熟悉量化、剪枝、推理加速等技术
• 了解无人机飞控原理、传感器标定、时间同步等底层技术者优先

申请策略

• 了解京东物流无人机业务的实际应用场景（如配送、巡检），在面试中展现对业务的理解
• 准备好一两个完整的感知项目案例，从问题定义、解决方案到落地效果，突出技术细节与难点突破
• 突出无人机或机器人相关项目经验，尤其是感知算法（检测、避障、SLAM）的实际成果
• 展示在嵌入式平台上的模型部署与优化经验，如Jetson、地平线等
• 强调工程化能力：独立完成算法训练、测试、迭代的完整流程
• 如有论文或竞赛获奖（如ICRA、CVPR等），务必列出
• 系统学习多传感器融合（视觉+LiDAR+IMU）原理及标定方法
• 练习使用ROS进行算法原型开发与仿真测试

面试指南

• 对于项目类问题：使用STAR法则（情境-任务-行动-结果），重点突出技术难点、解决思路和量化成果
• 对于技术方案问题：先阐述基本原理，再分析优缺点，最后结合场景提出优化思路
• 对于开放性问题：展示对领域的深度理解，列举不同方案并给出个人见解，体现批判性思维
• 请详细描述你参与过的一个无人机感知项目，包括算法选型、遇到的挑战和最终效果
• 如何提高视觉SLAM在弱光环境下的鲁棒性？
• 在嵌入式平台上部署深度学习模型时，常用的加速方法有哪些？请举例说明
• 多传感器融合中，如何处理不同传感器的时间同步问题？
• 你如何看待端到端自主飞行与传统模块化方法的优劣？