建图定位算法工程师

优缺点分析

角色解读

• 技术专家路线：持续深耕SLAM、3D视觉领域，成为机器人感知与定位方向的权威技术专家
• 技术架构师路线：负责整体机器人感知系统的设计和架构，规划技术演进方向
• 技术管理路线：带领算法团队，负责更复杂的机器人系统模块或产品线的技术管理
• 开发和调试末端配送机器人的视觉SLAM、多传感器融合定位与建图算法，让机器人在动态环境中准确定位
• 研究并实现三维重建、语义地图构建和仿真场景搭建，为机器人提供更丰富的环境感知能力
• 负责算法的版本管理、测试和现场部署，确保算法在实际配送场景中的稳定性和精度
• 必须具备扎实的SLAM（即时定位与地图构建）算法理论基础，并熟练掌握VINS、ORB-SLAM等主流框架
• 需要有处理复杂实际场景（如弱纹理、遮挡、动态物体）的工程经验，能解决算法落地中的Corner Case
• 熟悉3D视觉重建技术（如NeRF、3DGS）和AI编程工具将是重要的加分项

申请策略

• 深入了解美团无人配送业务的最新动态和技术难点，可以在面试中展示你对业务的理解和思考
• 准备一个你解决过的最棘手的定位或建图问题的详细复盘，突出你的分析和解决能力
• 重点突出与SLAM、视觉定位、3D重建相关的项目经验，尤其是涉及实际机器人或车辆平台的经历
• 详细描述你如何处理过复杂场景（如遮挡、光照变化、动态物体）的具体案例和算法选择
• 如有使用NeRF、3DGS或AI编程工具提升开发效率的经验，务必单独列出
• 复习和实践主流SLAM框架（如ORB-SLAM3, VINS-Fusion），可以在开源数据集或模拟环境中跑通流程
• 学习多传感器融合（如相机与激光雷达、IMU融合）的基本原理和方法
• 尝试使用AI编程助手辅助完成一个小型的计算机视觉或SLAM代码片段，体会其效率提升

面试指南

• 采用STAR法则（情境、任务、行动、结果）来组织你的项目回答，重点突出你的技术决策和量化成果
• 对于技术问题，先阐述基本原理，再结合具体场景分析利弊，最后给出你的解决方案或倾向
• 展示你的思考深度：不仅要说‘做了什么’，更要解释‘为什么这么做’以及‘还能怎么改进’
• 请介绍一个你做过的SLAM项目，其中遇到的最大技术挑战是什么，你是如何解决的？
• 在视觉SLAM中，当遇到弱纹理或快速运动导致的图像模糊时，系统会面临什么问题？有哪些可能的解决方案？
• 如果让你设计一个用于末端配送机器人的多传感器融合定位系统，你会如何选择和融合传感器（相机、激光雷达、IMU）？为什么？
• 你对NeRF或3DGS这类三维重建技术了解多少？你认为它们在机器人领域有哪些潜在的应用和挑战？
• 系统复习SLAM的基础知识，包括前端特征提取、后端优化、回环检测、地图表示等核心模块