图形学算法研究员实习生（物理动画方向）-AI引擎

优缺点分析

角色解读

• 实习期间可深入参与顶级游戏项目的物理动画研发，积累实际落地经验
• 未来可向图形学算法工程师、深度学习研究员或技术专家方向发展
• 表现优秀可转正，进入米哈游核心研发团队，参与更前沿的3A级技术探索
• 负责探索物理模拟与深度学习结合的新方案，用于游戏动画效果优化
• 针对具体的物理动画问题（如骨骼动画、布料头发）进行分析和建模，设计算法实现路径
• 与团队紧密合作，将算法落地到实际游戏场景中，并迭代优化表现效果
• 持续跟踪学界业界最新技术，保持技术前沿性
• 扎实的图形学基础，掌握骨骼动画、刚体模拟相关技术（FK&IK、Ragdoll等）
• 熟悉基于PBD/XPBD的物理模拟方法及加速策略，掌握碰撞检测与响应算法
• 有深度学习在物理动画中的应用经验，如模拟、编辑、控制、生成等
• 良好的编程能力，能快速实现原型并调试

申请策略

• 投递时附上个人作品集或GitHub链接，展示技术实力
• 关注米哈游秋招/实习时间线，尽早投递
• 突出物理动画相关的项目经验，尤其是结合深度学习的实践
• 详细描述在骨骼动画、布料模拟、碰撞检测等方面的技术细节和成果
• 如有论文或开源项目，务必列出
• 强调对游戏引擎和物理引擎的熟悉程度
• 提前复习PBD/XPBD算法和深度学习在物理中的应用
• 尝试复现一些经典论文（如DiffPD、NCLaw等）

面试指南

• 概念题：先给出定义，再比较异同，最后举例说明
• 项目题：使用STAR法则（情境、任务、行动、结果）结构化描述
• 开放题：先陈述观点，再从技术和应用角度分析利弊
• 请解释PBD和XPBD的原理及区别
• 如何用深度学习实现布料模拟的加速？
• 描述一个你最有挑战的物理动画项目，难点是什么？
• 如何检测两个三角形网格的碰撞？
• 你如何看待物理模拟与数据驱动方法的结合？