蚂蚁集团-具身智能算法工程师-感知方向

优缺点分析

角色解读

• 在具身智能和机器人感知领域深耕，成为算法专家或技术负责人
• 积累端侧部署和模型优化经验，转型为全栈算法工程师或AI系统架构师
• 依托蚂蚁集团平台，向技术管理或业务解决方案方向拓展
• 研发机器人导航与感知相关的模型算法，聚焦3D感知、端到端模型等前沿方向，解决实际业务问题
• 负责数据标注方案设计、标注规则制定，以及预标注和离线模型的开发，确保数据质量与模型训练效率
• 负责模型在端侧的部署，分析并解决实际场景中的问题，持续优化模型性能和工程化落地效果
• 与跨团队协作，跟踪行业技术动态，验证新方案在业务中的可行性
• 扎实的计算机视觉和机器人感知基础，熟悉3D感知方案和端到端模型训练
• 熟悉云端数据生产流程和离线模型应用，能够设计有效的数据标注方案
• 掌握模型量化、C++部署，以及PyTorch、ROS2等常用开发工具
• 具备Python和C++编程能力，了解设计模式，能应对工程化挑战

申请策略

• 申请前了解蚂蚁集团在机器人领域的布局和具体业务方向，在简历和面试中体现对相关场景的理解
• 准备1-2个完整的项目案例，说明从数据、训练到部署的流程，并突出对问题的思考和解决过程
• 突出3D感知、端到端模型或相关机器人项目的实践经验，最好有落地案例
• 强调模型部署和优化经验，如量化、C++实现、推理加速等
• 展示数据标注方案设计和离线模型开发的能力，体现端到端思维
• 如果熟悉集群训练、CUDA优化，务必在显著位置写出
• 系统复习3D感知（点云、多传感器融合）和端到端模型的最新论文
• 实践ROS2和PyTorch环境下的模型部署，学习TensorRT或ONNX Runtime量化方法

面试指南

• 用STAR法则（情境-任务-行动-结果）组织项目经验，突出你的具体贡献和量化结果
• 对于方案设计类问题，先明确问题约束，再对比多种方案，最后给出推荐理由
• 部署优化类问题，可以从精度、速度、存储三个维度分析，并结合具体技术手段（如量化、剪枝、算子融合）展开
• 介绍你过去的一个3D感知项目，包括数据标注、模型选择和部署中遇到的挑战
• 如何设计一个机器人导航的感知方案？端到端模型和传统方法的取舍是什么？
• 模型量化部署时精度下降怎么办？你有哪些优化手段？
• 熟悉ROS2吗？如何实现一个感知节点的通信和集成？
• 如何评估一个离线模型的效果？”或“如何加速模型训练？