框架工程师

优缺点分析

角色解读

• 从定位算法工程师发展为高级算法专家或技术专家，负责核心算法攻关
• 可向系统架构师或技术管理方向发展，带领团队解决复杂定位问题
• 积累移动终端领域经验，未来可转向其他传感器融合或AI方向
• 负责定位算法的研究与开发，解决用户定位不准、定位慢等痛点问题
• 预研多源融合定位算法，优化严重遮挡、无信号等极限场景下的定位效果
• 在MTK/QCOM平台上进行定位性能优化，并开发新的定位功能及测试用例
• 精通Java、C/C++，能熟练阅读英文资料
• 深入了解定位原理及算法，有传感器、WiFi/蓝牙/蜂窝指纹等多源融合定位经验
• 了解神经网络、强化学习等前沿算法并能快速上手
• 具备良好的团队沟通协作能力和创新思维

申请策略

• 提前研究vivo产品定位特色和痛点，面试时展示你的见解
• 准备2-3个定位算法优化的完整案例，能用STAR法则清晰讲述
• 突出与定位相关的项目经验，特别是多源融合定位或传感器融合的实践
• 强调Java/C++编程能力，以及算法实现和优化的具体成果
• 展示创新成果，如专利、论文或竞赛奖项，体现创新思维
• 体现团队协作和抗压能力，可提到过去在高压下的成功项目
• 系统学习神经网络/强化学习的基本原理和常用框架（如TensorFlow, PyTorch）
• 了解MTK/QCOM平台的定位方案架构，熟悉相关工具和调试方法

面试指南

• 使用STAR法则（情境、任务、行动、结果）描述项目，突出你的贡献和量化成果
• 针对多源融合问题，从传感器特性、互补性、融合策略（数据级、特征级、决策级）角度回答
• 对算法评估，可以从定位误差（CEP, RMS）、收敛速度、鲁棒性等指标入手
• 请详细描述你做过的一个定位算法优化项目，包括问题、方法和效果
• 如何处理GPS信号弱或完全无信号情况下的定位？
• 你对多源融合定位的理解？常用哪些传感器和融合算法？
• 如何评估定位算法的精度和稳定性？有哪些指标？
• 你是否有用过神经网络或强化学习来解决定位问题？请举例