机器人-算法工程师-决策控制-杭州

优缺点分析

角色解读

• 技术深耕：从算法工程师晋升为高级算法专家，主导关键技术方向
• 产品落地：深入机器人业务，成为产品级决策控制系统的核心负责人
• 跨领域发展：向具身智能、通用机器人等更前沿方向转型，或转向技术管理
• 负责移动机器人的行为决策与运动规划算法研发，如路径搜索、轨迹生成、控制策略等
• 应用强化学习、大模型等前沿技术，提升机器人在复杂工业环境下的自主能力
• 搭建仿真环境，进行算法验证与调优，并基于海量场景数据集持续迭代
• 精通C++和Python，具备扎实的编程基础
• 掌握最优化理论、控制理论或运动规划方法，至少精通一个方向
• 有深度学习或强化学习实际项目经验，了解具身智能或大模型与决策的结合

申请策略

• 提前了解海康威视移动机器人产品线，思考如何将自身算法经验与业务场景结合
• 准备一个能体现算法落地能力的小项目或开源贡献，增加竞争力
• 突出机器人相关项目经验，尤其是决策规划或运动控制方面的成果
• 如果有强化学习或大模型端到端决策的研究经历，详细描述模型设计及实验结果
• 列出参与过的竞赛（如RoboMaster、RoboCup）或发表的顶会论文
• 补充强化学习经典算法（PPO、SAC等）和运动规划库（OMPL、SBPL等）
• 学习基本的大模型微调（LLM/LVM）和Diffusion模型原理

面试指南

• 项目经验：用STAR法则，突出背景、个人贡献、技术难点和量化结果
• 理论问题：先给出定义，再对比优缺点，最后结合实际场景举例
• 开放问题：展示知识广度，结合具体文献或实践，提出合理设想
• 请详细介绍你过去做过的机器人运动规划或控制项目，遇到的最大挑战是什么？
• 对比PID、LQR和MPC的适用场景和优缺点
• 如何用强化学习解决移动机器人路径规划问题？状态空间、动作空间如何设计？
• 你对具身智能的理解？大模型在机器人决策中可能扮演什么角色？
• 手撕代码：实现一个A*或RRT*的简化版本