感知算法工程师-灵犀

优缺点分析

角色解读

• 技术深耕：向感知算法专家或架构师发展，主导复杂场景算法设计
• 横向拓展：结合规划与控制，转型为机器人全栈算法工程师
• 管理方向：带领团队负责感知模块，晋升为技术经理或技术总监
• 负责机器人移动与操作场景下的环境感知算法，如目标检测、语义分割、6D位姿估计等
• 编排整体工作流，结合感知与规划特性满足业务需求
• 研发场景理解算法，包括开集检测、语义分割、知识图谱、多模态等
• 构建感知数据闭环，包括自动化标注、性能评测和场景挖掘
• 精通Linux系统和C/C++开发，具备扎实的编程能力
• 熟悉深度学习框架PyTorch或TensorFlow，有良好的机器学习基础
• 在感知、规划或机械臂控制至少一个领域有深入知识和经验
• 掌握图像处理、模式识别或机器人系统工程等核心技能

申请策略

• 研究智元机器人的产品和技术博客，了解其感知技术栈和行业定位
• 准备一个完整的感知项目案例，从问题定义到部署的完整说明
• 突出在目标检测、语义分割或6D位姿估计等项目中的具体贡献和技术细节
• 展示Linux/C++开发经验，可列举大型项目或开源贡献
• 强调深度学习框架使用经验，如PyTorch/TensorFlow项目成果
• 如有机器人相关竞赛或论文，务必突出
• 补充机械臂规划控制基础知识，提升跨领域理解
• 学习Occupancy网络、多模态融合等前沿方法

面试指南

• STAR法则：描述情境、任务、行动、结果，突出技术难点和量化成果
• 先分析问题本质，再对比多种方案，最后给出选型理由和权衡
• 结合实践经验，展示对算法原理的深入理解和工程实现能力
• 请详细描述你参与的目标检测项目，包括算法选择、模型优化和部署过程
• 如何平衡感知算法的精度与实时性？请举例说明
• 你对Occupancy网络的理解是什么？它在机器人感知中的作用？
• 在深度学习中，如何处理数据不平衡问题？有什么策略？
• 请谈谈你对机器人场景理解中开集检测的挑战和解决方法