【研发中心】2026届机器人感知算法工程师（博士）(J22766)

优缺点分析

角色解读

• 从算法工程师起步，可向技术专家或架构师方向发展，深耕感知算法领域
• 在掌握核心技术后，可晋升为团队负责人，带领小组攻克复杂技术难题
• 累积经验后可跨部门合作，转向机器人系统总体设计或AI产品规划等方向
• 设计并开发机器人视觉感知算法，包括目标检测、跟踪、分割等核心功能
• 构建与优化多模态大模型，利用深度学习框架进行模型训练与调优
• 负责算法在真实机器人环境中的部署、测试与性能优化，确保稳定运行
• 持续跟踪学术界前沿成果，快速复现并改进算法以提升系统能力
• 扎实的计算机视觉与深度学习理论基础，熟悉常见检测/分割模型
• 精通C++或Python，熟练使用PyTorch或TensorFlow，掌握模型训练与调优
• 具备3D视觉、多模态融合或大模型相关项目经验，能独立研究问题
• 熟悉Linux环境，有分布式训练经验者优先

申请策略

• 研究大华机器人产品线，在面试中展示对其技术场景的理解
• 准备一个完整的算法项目案例，从问题定义到最终效果，展现逻辑能力
• 突出博士研究方向与机器人感知、多模态的关联，并展示论文、专利等成果
• 重点描述在3D视觉或大模型项目中的具体贡献，包括数据构建、模型设计等
• 强调分布式训练经验或大型模型训练项目，体现工程能力
• 如有国际顶会论文或竞赛获奖，务必放在显眼位置
• 提前熟悉PyTorch或TensorFlow高级用法，实践分布式训练
• 学习多模态大模型的最新论文和开源代码，如CLIP、LLaVA等

面试指南

• 对于研究问题，用“背景-问题-方法-实验-结果”结构，突出自己的独立思考
• 对于算法设计，从数据、模型、训练、部署全链路分析，强调可行性
• 开放性问题，先给明确答案，再举实例支持，最后补充备选方案
• 请介绍你的博士研究课题及其创新点
• 如何设计一个用于机器人避障的目标检测算法？
• 多模态大模型在机器人感知中有哪些潜在应用？如何落地？
• 如何优化深度学习模型在嵌入式设备上的推理速度？
• 遇到训练数据不足时，你会采用哪些策略？