规控算法专家/工程师

优缺点分析

角色解读

• 可向规控算法技术专家方向深耕，成为领域核心技术骨干
• 随着项目成熟，可晋升为算法团队负责人或技术经理，带领团队攻克更复杂的机器人行为决策问题
• 未来可横向拓展至感知、定位或系统架构方向，成为机器人全栈算法工程师
• 负责轮式机器人决策规划与运动控制核心算法的设计、实现与优化，解决复杂狭窄场景下的实时路径规划与避障问题
• 研发全局路径规划与局部轨迹优化算法，如A*、RRT、Lattice Planner等，确保机器人高效安全移动
• 设计并调优高性能控制器（LQR、MPC、PID），保证轨迹跟踪的精准性与平滑性，并与感知、定位团队集成联调
• 精通Modern C++、Linux、Python，具备扎实的软件工程与代码规范能力
• 熟悉至少一种规划算法（搜索、采样或优化）及控制理论（PID、LQR、MPC），并有实际调参经验
• 理解车辆动力学模型或机器人运动学模型，能将其应用于算法设计
• 有ROS2或自动驾驶/机器人行业经验者优先，沟通协作能力强

申请策略

• 深入了解智元机器人的产品线和技术方向，在简历或面试中体现对轮式人行机器人的认知
• 准备一个完整的规控算法项目案例，从问题定义、方案设计、实现到调试优化，展示解决复杂问题的能力
• 突出在规划算法（A*、RRT、Lattice Planner等）和控制算法（PID、LQR、MPC）上的实际项目经验，最好有代码或demo链接
• 强调在机器人或自动驾驶领域的系统集成经验，尤其是与感知、定位团队协作的案例
• 展示C++编程能力，包括高效代码、数据结构、多线程等，以及Python脚本编写能力
• 如有ROS/ROS2实际使用经验，用具体项目说明其应用场景
• 若对车辆动力学模型不熟悉，可补充学习相关课程或阅读经典教材
• 熟练掌握ROS2的Node、Topic、Service等机制，并练习搭建仿真环境进行算法测试

面试指南

• 对于算法设计类问题，采用STAR法则：背景、任务、行动、结果，重点突出你的思考过程与权衡
• 比较类问题，从原理、适用条件、计算复杂度、鲁棒性等维度对比，并给出实际选择依据
• 调试类问题，从模块分层排查：传感器输入、定位精度、规划参数、控制模型误差等，体现系统思维
• 请详细描述你设计的一个运动规划或控制算法的项目，包括算法选型、调参过程和遇到的主要挑战
• 比较LQR和MPC的优缺点，在什么场景下你会选择使用MPC？
• 如何保证在狭窄停车场场景下实时规划路径的动态避障能力？
• 描述你在Linux环境下使用C++进行多线程或网络通信的经验
• 如果你发现规划轨迹与期望路径存在偏差，你会从哪些方面排查问题？