具身智能视觉算法工程师-深圳

优缺点分析

角色解读

• 从视觉算法工程师起步，可深入成为SLAM、多传感器融合或具身智能领域的专家
• 有机会向技术专家或技术管理方向发展，带领团队攻克机器人感知难题
• 随着具身智能行业爆发，可向机器人公司、自动驾驶公司或大厂AI Lab等方向流动
• 负责开发和优化基于VSLAM的机器人定位算法，包括数据采集装置开发和精度调优
• 在机器人平台上部署和调优VINS-Fusion、ORB-SLAM3等主流开源SLAM框架
• 参与多传感器标定与融合，解决实际场景中的鲁棒性问题，并跟踪语义SLAM等前沿技术
• 扎实的VSLAM理论基础，熟悉EKF、BA等状态估计方法
• 熟练掌握C++/Python，并能使用Ceres、Eigen、GTSAM等优化库进行算法实现
• 具备论文复现和动手实践能力，能快速将前沿算法落地到实际机器人平台

申请策略

• 在简历中明确标注2027届毕业时间，并突出与具身智能、机器人相关的课程和项目
• 关注安克创新的技术博客或开源项目，了解其技术方向，在面试中展现你的热情和匹配度
• 突出VSLAM、多传感器融合相关的项目或科研经历，如课程设计、毕业设计或实验室项目
• 详细描述你使用过VINS-Fusion、ORB-SLAM3等框架的经验，以及如何解决其中的技术难点
• 展示你的编程能力，如C++/Python的熟练度，以及使用Ceres、Eigen等库的实践经验
• 提前深入研读VINS-Fusion或ORB-SLAM3的源码，理解其核心算法和工程实现
• 动手复现SuperPoint/SuperGlue等深度学习特征匹配论文，并思考如何与VSLAM结合

面试指南

• 对于算法原理问题，建议从问题定义、核心思想、数学推导和优缺点几个方面进行结构化回答
• 对于工程实践问题，建议结合具体项目，按照“场景-方案-实现-效果”的逻辑进行阐述
• 对于开放性问题，可以展示你对前沿技术的关注和思考，并联系到实际应用场景
• 请详细解释VINS-Fusion中紧耦合的视觉惯性里程计是如何工作的？
• 在退化场景（如长廊、白墙）下，如何提高VSLAM的鲁棒性？
• 如何对相机和IMU进行联合标定？标定误差对系统精度有什么影响？
• 谈谈你对SuperPoint/SuperGlue等深度特征匹配方法的理解，它们相比传统方法有何优势？
• 你如何将一个新的深度学习模型部署到嵌入式机器人平台上？