SLAM算法工程师（3D视觉/机械臂）-通用业务部

优缺点分析

角色解读

• 从SLAM算法工程师向高级算法专家或技术负责人发展，主导机器人感知系统架构
• 可横向拓展至机器人其他领域（如路径规划、控制），成为全栈机器人工程师
• 在3D视觉与AI融合方向深入，成为计算机视觉或机器人研发领域的技术专家
• 设计和实现多传感器（LiDAR、IMU、Camera等）融合的实时定位与建图算法，确保机器人在复杂环境中的精准定位
• 负责机器人传感器标定流程，包括产线标定和自标定，涉及机械臂标定与轨迹优化
• 参与三维场景重建与理解，结合视觉、空间和文本信息提升机器人对环境的认知能力
• 精通视觉SLAM或激光SLAM理论与主流框架（如ORB-SLAM、LOAM等），具备扎实的数学基础（线性代数、概率论）
• 掌握C++、Linux和ROS开发，能高效实现和调优算法
• 熟悉3D视觉、多视图几何、SFM、MVS及点云处理，具备深度学习相关经验更佳

申请策略

• 关注智元机器人的产品方向（如人形机器人、通用机器人），在面试中展现对其技术路线的理解
• 准备一个完整的项目案例，从问题定义、方案设计到实验验证，体现系统性思维
• 突出SLAM项目经历，详细描述你在定位、建图、传感器标定中的技术贡献和成果（如精度、鲁棒性提升）
• 展示机械臂相关算法开发经验，包括标定、抓取或轨迹规划，并提供量化指标
• 强调C++、ROS编程能力，可附上GitHub链接或开源项目
• 若具备深度学习（如点云网络、视觉特征匹配）经验，务必体现
• 系统复习多视图几何、李群李代数等SLAM核心数学知识，并动手实现经典算法
• 熟悉最新开源SLAM框架（如FAST-LIO、VINS-Fusion等），对比其优劣

面试指南

• 针对原理类问题：先定义问题，再分步骤阐述核心原理（如算法流程、数学推导），最后用实际经验补充
• 针对项目类问题：采用STAR法则（情境、任务、行动、结果），突出技术难点和个人贡献
• 对于方案设计题：先梳理场景约束，提出多种可能方案并比较优劣，最后给出推荐方案及理由
• 请详细讲解视觉SLAM中的ORB特征提取与匹配过程，以及如何应对光照变化
• 多传感器融合中，如何处理LiDAR和Camera之间的外参标定？请描述标定流程与优化方法
• 在机械臂抓取任务中，如何结合视觉信息进行物体位姿估计？请举一个具体实现方案
• 你如何评价自己最成功的一个SLAM项目？遇到过哪些挑战，如何解决？
• 请解释ESKF（误差状态卡尔曼滤波）在IMU融合中的应用，及其与图优化的区别