【提前批-基础研究】图形学研究员（角色动作生成方向）-AI引擎

优缺点分析

角色解读

• 初期专注于算法研发与落地，积累动作生成领域的核心经验
• 中期可成为动作生成方向的专家，主导技术方案设计与迭代
• 长期可向图形学或AI领域的技术负责人（如主程、算法总监）发展，或转向更前沿的研究方向
• 研究和开发基于生成模型（VAE、Diffusion）的角色动画生成算法，优化动作过渡与混合效果
• 设计并实现实时动作匹配系统，提升角色在交互场景中的自然度和稳定性
• 评估和调优动画质量，解决滑步、时序不一致等问题，确保动作表现符合预期
• 扎实的生成模型基础，熟悉 VAE、Diffusion 等模型的原理和训练方法
• 理解角色动画与运动学概念，包括 locomotion、FK/IK、接触约束等
• 具备较强的问题分析和实验调优能力，能够独立解决动画生成中的技术难题

申请策略

• 提前了解米哈游的产品和技术栈，在面试中展示对游戏动画的热爱和理解
• 准备好一个完整的项目案例，从问题定义、方案设计到实验结果的展示
• 重点突出生成模型（VAE、Diffusion）相关的项目经验，包括模型训练、调优和部署
• 展示角色动画或运动学方面的背景，如游戏开发、动画系统、机械臂控制等
• 如果有SIGGRAPH/CVPR等顶会论文，务必显著标注
• 强调工程落地能力，如实时系统、性能优化、代码优化等
• 补充动作生成领域的经典技术，如Motion Matching、PFNN、Learned Motion Matching等
• 学习游戏引擎（Unity/Unreal）的动画系统，了解实际应用场景

面试指南

• 对于原理类问题：先阐述基础理论（如 VAE 的编码-解码框架、Diffusion 的前向-反向过程），再结合动作生成场景说明应用方式（如条件生成、时序控制等）
• 对于工程问题：采用结构化思路，从问题定义、方案对比、关键模块设计、实验验证等方面作答，突出权衡取舍
• 对于效果评估：提及客观指标（如 FID、接触一致性、运动连续性）和主观指标（如自然度、稳定性），并说明调优策略
• 请详细解释 VAE 和 Diffusion 模型的核心原理，并比较它们在动作生成中的优缺点
• 如何实现一个实时角色动画的过渡系统？请描述关键技术点
• 遇到角色滑步问题，你会如何分析和解决？
• 你如何评价一个动作生成模型的效果？有哪些客观指标？
• 你了解哪些动作匹配技术？Motion Matching 的优缺点是什么？