具身感知数据实习生

优缺点分析

角色解读

• 实习生转正后成为正式感知算法工程师，深入参与机器人核心算法研发
• 逐步成长为数据闭环或感知系统专家，主导某具体模块的设计与优化
• 积累机器人领域经验后，可向自动驾驶、通用机器人等方向横向拓展
• 设计并研发机器人3D感知真值生成算法，涉及目标检测、占据网格、位姿估计等任务
• 构建数据闭环体系，包括数据采集、标注、质检和场景挖掘，提升感知系统迭代效率
• 管理多种传感器（摄像头、激光雷达），完成标定、滤波和运动补偿等预处理
• 搭建并优化数据采集方案，确保机器人移动和操作场景下的数据质量
• 扎实的计算机视觉与机器人感知理论基础，熟悉3D目标检测、Occupancy、位姿估计等算法
• 精通C/C++编程，熟练使用Linux开发环境，具备较强的工程落地能力
• 了解传感器标定、数据融合、滤波等处理流程，有相关项目经验者优先
• 良好的问题分析与沟通协作能力，能参与团队协作完成复杂系统开发

申请策略

• 在求职信中表达对具身智能的热情，并提及对智元机器人产品的了解
• 准备一个简短的demo或项目介绍，展示解决实际感知问题的能力
• 突出计算机视觉或机器人相关的项目经验，尤其是3D感知、点云处理等
• 强调C/C++编程能力和Linux开发经验，展示代码库或开源贡献
• 如有自动驾驶或数据闭环相关经历，应作为重点详细描述
• 体现团队协作和问题解决能力，例如参与过的合作项目或竞赛
• 复习3D目标检测、点云处理、传感器标定等经典算法，并尝试手写实现
• 熟悉ROS、PCL、OpenCV等常用工具库，提前搭建开发环境

面试指南

• 概念解释类：先给出定义，再对比关键差异，最后举例说明应用场景
• 系统设计类：明确目标，分步骤阐述流程，强调关键环节与权衡
• 项目经验类：使用STAR法则，突出你的贡献、具体方法和量化成果
• 请解释3D目标检测中voxel-based和point-based方法的区别及优劣
• 如何设计一个数据闭环系统？请描述从数据采集到模型迭代的流程
• 激光雷达与摄像头的外参标定如何实现？常见标定方法有哪些？
• 你在之前的项目中使用过哪些感知算法？遇到的主要挑战是什么？
• 对Occupancy网络的理解？它与传统3D检测有何不同？