电磁/惯导传感器定位算法工程师-临界点子公司

优缺点分析

角色解读

• 可向具身智能机器人算法总监或首席科学家方向发展，领导更大规模的感知与定位团队
• 可横向拓展至其他机器人感知技术（视觉、力触觉等），成为全栈机器人算法专家
• 在智元机器人生态内，有机会接触灵巧操作、数据闭环等前沿领域，向技术合伙人成长
• 主导电磁追踪系统（EMF）的算法架构设计，制定长期技术路线并拆分模块
• 针对高精度、金属干扰等场景，优化电磁模型与非线性误差补偿算法
• 开发EMF与IMU的融合定位算法，实现全场景高鲁棒跟踪
• 设计手部模型标定算法，解决传感器位姿到手部模型位姿的实时转换
• 精通电磁场理论与磁偶极子建模，深入理解磁场畸变机理与补偿方法
• 掌握非线性优化、状态估计与多传感器融合（卡尔曼滤波、粒子滤波等）
• 精通空间几何与6DOF位姿解算，熟练使用C/C++、Python及MATLAB/Simulink
• 具备算法仿真、工程实现与嵌入式优化能力，熟悉数字信号处理

申请策略

• 面试前深入研究智元机器人和临界点公司的产品与技术动态，展示对灵巧操作领域的热情
• 准备一两个能体现算法深度和工程思维的完整项目，从问题分析到解决方案及效果
• 突出电磁建模、磁场补偿相关项目经验，尤其是高精度定位或金属环境下的成果
• 强调多传感器融合（如EMF+IMU）的实际落地案例，包括融合框架和性能指标
• 展示C/C++和Python的工程能力，特别是嵌入式优化经验
• 如有机器人手部标定或运动捕捉相关经验，务必重点呈现
• 若电磁场理论不足，可系统学习电磁学经典教材并完成仿真实践
• 熟练掌握卡尔曼滤波、图优化等状态估计算法的推导与编程实现

面试指南

• 理论+实践结合：先阐述基本原理，再结合实际项目说明如何应用和优化
• 结构清晰：从问题定义、方法选择、实现细节到结果验证
• 突出权衡：说明不同方案在精度、计算量、鲁棒性之间的权衡，并给出选择依据
• 请解释磁偶极子模型在电磁定位中的应用，以及如何在金属环境中补偿磁场畸变
• 设计一个EMF与IMU融合的卡尔曼滤波器框架，包括状态向量、观测方程和噪声建模
• 如何评估高精度定位系统的误差？请列出主要误差来源及补偿方法
• 请描述6DOF位姿解算的流程，四元数与旋转矩阵如何转换？
• 在实际工程中，如何优化C++代码以满足嵌入式实时性要求？