运控算法实习生

优缺点分析

角色解读

• 从实习生成长为机器人控制算法工程师，独立负责算法模块
• 深入运动控制方向，成为机器人控制专家或架构师
• 横向拓展到机器人感知、规划等领域，向全栈机器人工程师发展
• 负责机器人运动控制算法的研究与开发，包括运动学、动力学建模与仿真，优化机器人运动性能
• 解决算法开发中的技术问题，参与本体与算法的协同设计，提出改进方案
• 参与前沿控制技术预研，整理相关技术资料和成果
• 扎实的机器人学基础，熟悉运动学、动力学及FK/IK方法
• 掌握LQR、MPC、WBC等最优控制方法，熟悉QP求解器
• 熟练使用C++和Python，以及Isaac Gym、MuJoCo等仿真器
• 了解强化学习和模仿学习算法，有实际机电系统控制经验

申请策略

• 在简历中展示对机器人控制算法的热情，如个人项目或开源贡献
• 了解智元机器人的产品和业务方向，在面试中体现对公司的兴趣
• 突出机器人相关的项目经验，特别是运动控制、动力学仿真、强化学习等方面
• 强调掌握的技能：C++、Python、Isaac Gym、MuJoCo、LQR、MPC等
• 列出顶会论文或机器人竞赛经历（如ICRA、RoboCup），作为加分项
• 强化最优化理论和数值优化，练习LQR、MPC的代码实现
• 熟悉至少一种动力学库（RBDL或Pinocchio）和仿真器的使用
• 复习机器人学基础知识，包括刚体运动学、动力学、FK/IK

面试指南

• 对于算法原理问题，先给出定义，再对比优缺点（如LQR无约束，MPC有约束），最后举例说明
• 对于项目经验问题，使用STAR法则：情境、任务、行动、结果，突出个人贡献和技术难点
• 对于仿真和工具问题，结合实际使用经验，说明选择理由和遇到的问题
• 请解释LQR和MPC的区别，以及各自的适用场景
• 如何构建一个机器人运动学模型？FK和IK分别是什么？
• 使用过哪些QP求解器？描述一个你解决过的数值优化问题
• 你如何在一个仿真环境中测试运动控制算法？
• 请描述一个你参与的机器人项目，遇到的最大技术挑战是什么？