组合导航算法工程师（无人机方向）

优缺点分析

角色解读

• 技术纵深：从组合导航算法专家成长为定位感知领域的技术负责人
• 横向拓展：可转向无人车/机器人导航、自动驾驶定位等更广阔领域
• 管理方向：带领算法团队，负责无人机系统整体导航方案规划
• 负责无人机组合导航算法的设计、仿真与实现，重点攻克GNSS/INS多传感器融合难题
• 开发基于卡尔曼滤波的状态估计算法，实时优化无人机姿态、速度与位置
• 进行传感器误差分析与标定，确保定位系统在复杂环境下的鲁棒性
• 推动算法从仿真到实际无人机的工程化落地，并持续迭代性能
• 扎实的惯性导航和GNSS定位理论基础，精通组合导航系统设计
• 熟练掌握卡尔曼滤波（EKF/UKF/ESKF）及其调参技巧
• 熟悉IMU、激光雷达、视觉等多传感器特性与融合方法
• 具备较强的编程能力（C++/Python）和算法工程化经验

申请策略

• 在面试中主动展示对京东物流无人机业务的理解，以及自己能为团队带来的价值
• 可以提前准备一个关于组合导航算法优化的技术分享，体现思考深度
• 突出组合导航相关的项目经验，特别是多传感器融合和卡尔曼滤波的实际应用
• 详细描述在无人机/机器人项目中主导的算法开发及性能提升成果
• 强调对传感器误差建模、标定和故障检测的理解，最好有具体案例
• 列出发表的相关论文或专利，体现理论深度
• 复习惯性导航和GNSS定位的经典教材，巩固理论基础
• 动手实现一个完整的EKF/UKF组合导航仿真系统，加深理解

面试指南

• 对于原理类问题，先给出精确定义，然后结合实际经验说明应用场景和注意事项
• 对于工程问题，采用“问题-方案-效果”结构，突出难点和你的解决思路
• 对于开放性问题，表现出系统性思考，从算法、传感器、环境等多维度分析
• 请解释GNSS/INS松组合与紧组合的区别及各自优缺点
• 如何设计卡尔曼滤波中的噪声协方差矩阵？调参有哪些经验？
• 如果在飞行中GNSS信号丢失，定位算法如何应对？请描述故障检测与恢复策略
• 请分享一个你处理过的传感器标定或误差补偿的实际案例
• 如何评估组合导航算法的精度和鲁棒性？有哪些关键指标？