运控算法实习生

优缺点分析

角色解读

• 从实习转正为正式算法工程师，深入参与机器人运动控制核心研发
• 向高级算法专家或技术主管发展，主导复杂控制系统的设计与优化
• 横向迁移至其他机器人领域（如导航、操作规划），拓宽技术广度
• 负责机器人运动控制算法的研究与开发，包括运动学、动力学建模和仿真优化
• 使用仿真环境（如Isaac Gym、MuJoCo）训练强化学习模型，并迁移到真机调试
• 参与前沿控制技术预研，查阅文献并整理技术资料
• 承担临时演示任务，快速排查和解决现场问题
• 扎实的机器人学基础，熟悉刚体运动学、动力学及FK/IK方法
• 熟练使用C++和Python，掌握至少一种主流仿真器（Isaac Gym、MuJoCo等）
• 熟悉强化学习或模仿学习算法，能独立完成训练任务
• 具备真机调试经验，能快速定位软硬件问题

申请策略

• 申请前了解智元机器人的产品和技术方向，在面试中展示对公司的兴趣
• 准备一个简短的算法demo或项目介绍，体现解决问题的能力
• 突出机器人学相关课程或项目经历，尤其是运动学、动力学建模经验
• 展示使用仿真器（Isaac Gym/MuJoCo）和C++/Python的实践案例
• 强调任何真机调试或机器人竞赛（如RoboCup）经历
• 列出强化学习或模仿学习相关论文阅读或复现的工作
• 复习机器人学核心理论，特别是FK/IK、动力学库（RBDL、Pinocchio）
• 动手练习Isaac Gym或MuJoCo的典型强化学习任务（如训练四足机器人行走）

面试指南

• 理论问题先给出清晰定义，再结合具体项目或公式简述
• 算法设计问题按问题定义→环境搭建→算法选择→实验结果→改进思路的框架回答
• 调试类问题采用现象→猜想→验证→解决的逻辑，强调系统性排查
• 请解释机器人运动学中的正向运动学和逆向运动学，并举例说明
• 你如何用强化学习训练一个机器人行走策略？描述状态、动作和奖励函数的设计
• 在使用MuJoCo或Isaac Gym时，你遇到过哪些仿真与真机之间的差距？如何调整？
• 请介绍一个你调试机器人实际问题的经历，思路和步骤是怎样的？
• C++中智能指针有哪些类型？在机器人系统中如何管理内存？