蚂蚁集团-具身智能SLAM算法工程师-上海

优缺点分析

角色解读

• 从SLAM算法工程师向技术专家或架构师发展，主导核心算法方向的技术决策
• 随着具身智能和自动驾驶行业快速发展，可转向机器人整体感知与决策系统设计
• 积累量产落地经验后，可向技术管理岗位或创业方向发展，带领团队推动产品迭代
• 负责机器人/自动驾驶场景下的视觉SLAM系统研发，包括算法设计、实现和真机部署全链路开发
• 跟踪并复现前沿SLAM方法，如端到端SLAM、NeRF、3DGS，推动传统VINS方案向新一代技术迁移
• 主导技术路线规划，完成可行性分析、POC验证及量产落地规划，确保技术方案的实用性和可落地性
• 支持机器人定位建图系统的7×24小时稳定运行，保障系统的可靠性和实时性
• 精通至少一种主流SLAM方案（VINS、ORB-SLAM、LIO-SAM等），具备扎实的传统SLAM理论基础
• 熟悉ROS/ROS2，具备真机部署经验，能在机器人/嵌入式平台上完成算法调试与优化
• 掌握模型优化技术，包括模型压缩、剪枝、量化、蒸馏及fine-tuning，提升算法效率
• 了解前沿端到端SLAM方法（如VGGT、DROID-SLAM、DPVO），具备技术敏锐度和快速复现能力

申请策略

• 了解蚂蚁集团在机器人领域的布局，尤其是具身智能方向，以便在面试中展现对业务的认知
• 准备好技术方案讲解案例，体现独立思考和技术路线规划能力
• 突出完整的SLAM项目落地经验，具体说明项目规模、技术方案、个人贡献以及最终效果
• 强调对SLAM经典算法的掌握程度，如VINS、ORB-SLAM原理，以及端到端方法的理解和实践
• 展示真机部署能力，包括ROS/ROS2开发经验、嵌入式平台调试、性能优化措施
• 列出顶会论文、开源项目或技术博客链接，证明技术影响力
• 如果对端到端SLAM不熟，建议提前阅读DROID-SLAM、DPVO等论文并尝试复现，掌握基本思路
• 练习模型压缩与量化工具，如TensorRT、ONNX，提升部署效率

面试指南

• 对于项目经验类问题，使用STAR法则（情境、任务、行动、结果），突出个人角色和技术难点
• 对技术方案对比类问题，从原理、性能、工程复杂度、落地场景等维度分析，展现系统思考能力
• 对问题排查类问题，先定位问题边界，提出假设，通过实验验证，最后给出改进措施
• 请详细介绍一个你主导的SLAM项目，包括算法选型、部署难点和最终效果
• 你对端到端SLAM（如DROID-SLAM、DPVO）的理解如何？相比传统VINS有哪些优缺点？
• 在真机部署过程中，你遇到过哪些挑战？如何优化实时性和精度？
• 如何评估一条新的SLAM技术路线是否值得投入？请举例说明
• 如果系统在运行时出现定位漂移，你会如何排查和解决？