优才-规控算法工程师-通用业务部

优缺点分析

角色解读

• 向高级算法专家或技术Leader发展，主导机器人核心算法模块
• 深入强化学习、模仿学习等AI方向，成为具身智能领域专家
• 横向扩展至系统架构，负责整体机器人软件架构设计
• 负责人形机器人的决策规划与运动控制核心算法设计与实现，包括全局路径规划、局部轨迹优化和三维避障
• 研发并调试高性能控制器（如LQR、MPC、PID），确保机器人精准跟踪轨迹
• 探索端到端导航规控算法（VLN/VLA/RL），推动算法在实际场景落地
• 与感知、定位团队紧密协作，完成系统集成与联调
• 扎实的C++和Python编程能力，熟悉Linux和网络通信基础
• 掌握搜索算法（A*）、采样算法（RRT）或优化算法（Lattice Planner、TEB）中的至少一种
• 精通经典/现代控制理论（PID、LQR、MPC）并具备实际调参经验
• 熟悉车辆或机器人运动学模型，具备良好的软件工程习惯

申请策略

• 关注公司技术博客或论文，了解团队技术方向
• 准备一个完整的机器人算法项目故事，从问题分析到落地效果
• 突出机器人规划或控制相关的项目经验，展示算法实现和调参细节
• 强调C++和Python编程能力，尤其是代码质量和软件工程习惯
• 如有强化学习、模仿学习或端到端导航经验，务必重点描述
• 提前学习强化学习、模仿学习基础，了解VLN/VLA最新进展
• 熟悉ROS等机器人开发框架，提高系统集成能力
• 练习在复杂场景下规划控制算法的仿真验证方法

面试指南

• 先明确问题核心，结合理论说明算法原理，再举实际项目例子
• 分步骤回答：先概述方法，再细节展开，最后总结优缺点
• 如果被问到开放性问题，可以提出自己的见解和假设，展示思考深度
• 请解释LQR和MPC在轨迹跟踪中的区别和适用场景？
• 在狭窄室内环境中，如何实现实时避障？会采用哪些算法？
• 描述一次你调参PID或MPC的经历，遇到了什么问题如何解决？
• 如何设计一个全局路径规划算法来保证实时性和最优性？
• 你对VLN/VLA技术路线的理解？在人形机器人上应用有哪些挑战？