规控算法实习生-灵犀

优缺点分析

角色解读

• 实习表现优秀可转正，成为正式算法工程师，深入机器人核心算法研发
• 未来可向高级算法专家、技术主管发展，或转向研究院从事前沿研究
• 积累机器人感知-规划-控制全栈经验，具备跨领域竞争力
• 负责机器人导航的路径规划与运动控制算法开发，如使用A*、RRT等进行全局规划，MPC进行局部控制
• 参与基于强化学习的全身协调控制算法研发，与导航和机械臂操作协同
• 构建感知-规划系统，融合激光雷达、视觉等传感器信息实现三维地形避障
• 探索视觉语言导航（VLN）和智能体长程任务规划等前沿方向
• 扎实的编程能力：精通C++/Python，熟悉Linux和ROS/ROS2
• 深厚的理论基础：掌握机器人运动学/动力学、优化理论（凸优化、非线性优化）
• 熟悉经典算法：如A*、RRT、MPC、现代控制理论等
• 加分项：强化学习（PPO/SAC）、模仿学习、CUDA加速经验

申请策略

• 了解智元机器人的技术方向和产品（如灵犀系列），在求职信中表达对机器人的热情
• 关注CUDA/TensorRT等加速技术，即使不是硬性要求，也能体现你的学习主动性
• 突出机器人相关项目经历：如路径规划、运动控制、ROS开发等，附上GitHub链接或论文
• 强调编程能力：C++/Python的熟练度，以及Linux、ROS的使用经验
• 如有强化学习/模仿学习项目，务必详细描述技术路线和成果
• 展示数学功底：优化理论、控制理论等课程成绩或竞赛获奖
• 系统复习机器人运动学/动力学、优化理论、控制理论，刷一遍经典教材重点
• 动手实践：在ROS中实现A*、RRT等规划算法，或复现MPC控制器

面试指南

• 项目类问题：用STAR法则（情景-任务-行动-结果），突出你的贡献、算法选择原因和最终效果
• 理论类问题：先给出定义，再推导或举例，最后联系实际应用
• 综合设计类问题：分步骤回答，先分析问题，再提出方案，最后讨论可能优化点
• 请介绍一个你做的路径规划或控制项目，用了哪些算法，解决了什么问题？
• 推导一下MPC的公式，并说明如何处理约束？
• ROS中如何实现节点间通信？你遇到过哪些通信问题？
• 解释强化学习中PPO算法的核心思想，如何应用到机器人运动控制？
• 如何解决机器人在复杂地形下的避障问题？请从感知到规划全流程说明