【研发中心】2027届运动控制算法工程师(J24384)

优缺点分析

角色解读

• 从算法工程师逐步成长为机器人控制方向的专家，深入掌握MPC、WBC、RL等前沿技术
• 可向技术管理方向发展，带领团队负责整套机器人控制系统的研发
• 有机会横向拓展到具身智能、人形机器人等更广泛的AI+机器人领域
• 负责机器人步态规划、平衡控制、轨迹规划等核心运动控制算法的设计、开发与部署调试
• 进行机器人运动学与动力学建模，为控制提供精准数学模型
• 应用MPC、WBC或强化学习等方法开发控制策略，并在仿真和真机上迭代调优
• 编写技术文档，参与算法模块的集成与测试
• 扎实的自动控制原理、机器人学理论，熟悉运动学和动力学
• 掌握PID、MPC、自适应等经典控制算法或强化学习控制算法
• 熟练使用C++、Python，熟悉ROS2开发框架
• 熟悉Gazebo、MuJoCo或Isaac Sim/Lab等仿真工具

申请策略

• 提前了解大华股份在机器人领域的布局和产品方向，在面试中展现匹配度
• 准备好项目讲解，用STAR法则清晰描述你在项目中的贡献和难点突破
• 突出机器人相关项目经历，如路径规划、平衡控制、机械臂控制等
• 强调使用过的仿真工具和框架，如Gazebo、MuJoCo、Isaac Sim、ROS2
• 展示编程能力，如C++、Python，以及算法实现细节
• 如有论文、竞赛或开源项目，重点呈现
• 复习自动控制原理、机器人学基础，确保基础扎实
• 熟悉MPC、WBC的基本原理，了解强化学习控制的基本流程

面试指南

• 对于项目经验，用STAR（情境、任务、行动、结果）结构描述，强调你的具体贡献和遇到的技术难点
• 对于概念对比，先阐述各自原理，再对比优缺点，最后结合实际应用场景说明选择理由
• 对于建模或算法问题，可以从数学模型推导、实现步骤和结果验证三个方面展开
• 请介绍一下你在机器人控制或仿真方面的项目经验？
• PID和MPC控制的区别是什么？适用场景有何不同？
• 如何对机器人进行运动学建模？举例说明
• 你熟悉哪些仿真工具？它们的特点是什么？
• 如何解决仿真到真机转移（sim-to-real）中的问题？