规控算法实习生

优缺点分析

角色解读

• 从实习生成长为正式算法工程师，深入机器人决策规划方向
• 积累端到端视觉语言导航经验，可转向自动驾驶、服务机器人等更广阔领域
• 优秀者有机会转正并参与核心产品研发，快速成长为技术骨干
• 设计并实现室内视觉语言导航(VLN)算法，包括语义理解、路径规划与目标跟踪等核心模块
• 搭建仿真环境进行算法验证，并参与真实机器人平台的算法部署与调试
• 针对实际场景中的性能瓶颈（如实时性、鲁棒性）进行算法优化
• 扎实的编程能力，熟练使用C++和Python，能够快速实现算法原型
• 掌握经典路径规划算法（如A*、Dijkstra）和控制理论（PID、MPC）
• 了解多模态学习、视觉语言导航的基本框架和常见方法

申请策略

• 在求职信中表达对机器人自主导航的热情，并提及对智元机器人产品的了解
• 突出至少3个月的连续实习时间和每周可到岗天数
• 重点突出与视觉语言导航、路径规划或多模态学习相关的项目经验，如竞赛、论文或开源贡献
• 强调C++/Python编程能力，可附上代码仓库链接
• 如有机器人相关竞赛（如RoboCup、无人机挑战赛）经历，务必写明
• 提前复习经典路径规划和控制算法（如A*、RRT、PID、MPC）并动手实现
• 熟悉主流的VLN框架（如Habitat、Matterport3D）和仿真环境（如Gazebo、Isaac Sim）

面试指南

• 对于VLN流程问题，可以按“感知-语义理解-规划-控制”的逻辑链回答，并提及具体模块的作用
• 对于路径规划问题，先明确约束条件（实时性、避障），再选择合适算法（如DWA、MPC），最后举例简化实现
• 对于项目描述类问题，采用STAR原则（Situation、Task、Action、Result）结构，突出个人贡献
• 请解释视觉语言导航（VLN）的基本流程，并说明其中涉及的子问题
• 你如何设计一个在室内环境中的路径规划算法？请结合一个具体场景
• 描述一个你使用深度学习或强化学习解决路径规划问题的项目
• 在C++中，如何实现一个高效的A*算法？请讨论关键优化点
• 如果机器人遇到动态障碍物，你会如何调整导航策略？