高德-资深具身运控算法工程师/专家-具身业务部

优缺点分析

角色解读

• 在具身智能领域深耕，成为运动控制方向的资深专家或技术负责人
• 横向拓展至感知、规划等机器人全栈算法，晋升为机器人算法架构师
• 参与行业前沿研究，发表顶会论文，成为领域内的技术KOL
• 设计并训练基于强化学习的机器人运动控制器，实现复杂地形自适应运动和多模态切换
• 搭建Sim2Real训练框架，将仿真策略高效迁移到真实机器人，提升运动鲁棒性
• 优化奖励函数设计，平衡运动学约束、动力学可行性与跟踪精度
• 与算法、工程团队协作，推动控制器在实际机器人平台上的部署与迭代
• 精通深度强化学习算法（PPO、SAC等），熟悉大规模并行仿真工具（IsaacGym/Sim）
• 扎实的机器人学基础，掌握Sim2Real技术栈，包括域随机化、策略蒸馏等
• 熟练使用C++/Python，具备ROS/ROS2开发经验，有实体机器人调试能力
• 优秀的逻辑分析与问题解决能力，能够独立设计复杂奖励函数

申请策略

• 提前了解高德具身业务部的发展方向，在面试中展示对机器人应用的思考
• 准备一个技术演讲，详细讲解一个你主导的运动控制项目，突出技术难点和解决方案
• 突出强化学习项目经验，尤其是使用PPO等算法进行运动控制的完整案例
• 详细描述Sim2Real的实践经验，包括域随机化、策略迁移等具体技术细节
• 展示机器人软硬件调试能力，如ROS开发、真机实验等成果
• 如果有顶会论文（ICRA/IROS等），务必放在显眼位置
• 若缺乏IsaacGym经验，可自学官方教程并完成小项目
• 补充多目标奖励函数设计知识，可参考Dagger等模仿学习技术

面试指南

• 对于算法选择问题，先对比各算法特点，再结合任务需求（采样效率、稳定性）给出理由
• 对于项目描述题，遵循STAR原则（情境-任务-行动-结果），突出量化成果
• 对于奖励函数设计，从任务分解角度，列出子目标及其对应的奖励项，并说明权重调节策略
• 请详细描述你如何设计一个基于PPO的四足机器人行走控制器，包括状态动作空间、奖励函数和训练策略
• Sim2Real中遇到的最大挑战是什么？你是如何解决的？
• 对比PPO、SAC、DDPG在运动控制中的适用场景，你会如何选择？
• 设计一个奖励函数：让双足机器人稳定站立并抵抗外界扰动
• 在IsaacGym中如何进行大规模并行训练？如何提高训练效率？