SLAM算法工程师

优缺点分析

角色解读

• 技术深耕：从SLAM算法工程师晋升为高级算法专家，专注于前沿定位建图技术的突破
• 横向拓展：向机器人感知、自动驾驶、三维重建等相关领域发展，或转向算法架构师角色
• 管理路径：未来可带领算法团队，负责整体定位系统方案的设计与优化
• 设计并开发多传感器融合的高精度定位与建图算法，确保机器人在动静态场景下的稳定性能
• 构建室内外2D/3D地图，包括高度图、栅格图、SDF地图等，并实现地图在机器人端与云端的传输、复用与编辑
• 负责摄像头和激光雷达的内外参标定，对传感器数据进行滤波和运动补偿
• 预研并落地前沿SLAM技术，如NeRF、3DGS、语义地图和端到端SLAM方案
• 精通C++编程和Linux系统，有两年以上相关开发经验，熟练使用ROS和OpenCV
• 扎实的SLAM数学基础，包括李群李代数、图优化和卡尔曼滤波
• 熟悉至少一种主流SLAM框架（视觉、激光或融合框架），并有实际项目经验
• 加分项：三维视觉重建经验或基于学习的特征提取/匹配/闭环检测能力

申请策略

• 了解智元机器人的产品方向（如人形机器人、具身智能），在面试中展现对其技术路线的兴趣
• 准备一个完整的SLAM项目讲解，从问题定义到方案选型、实现细节和最终效果
• 突出SLAM项目经验：详细描述你使用过的SLAM框架（如ORB-SLAM、Fast-LIO等）以及优化性能的成果
• 展示数学功底：在简历中提及李群李代数、图优化等数学能力，最好有量化指标
• 强调C++和Linux技能：体现两年以上编程经验，以及ROS、OpenCV等工具的使用
• 加分项重点：如果有三维重建或学习型SLAM经验，务必单独列出
• 补充NeRF/3DGS等前沿技术：学习相关论文和开源代码，准备一个小型demo
• 强化传感器标定能力：熟悉相机和激光雷达的标定工具与流程

面试指南

• 项目经验题：按STAR法则（情境-任务-行动-结果）组织，突出你的贡献和量化成果
• 数学原理题：先解释核心概念，再结合具体算法举例，最后可以延伸优化方向
• 开放题：先表达自己的理解，再分点论述优缺点，最后给出可能改进思路
• 请讲述你使用ORB-SLAM或Fast-LIO进行定位建图的实践经验，以及遇到的挑战和解决方案
• 解释李群李代数在SLAM中的作用，并推导一个简单的图优化问题
• 多传感器融合中如何处理时间戳不同步的问题？
• 你对NeRF在SLAM中的应用有何见解？如何将其与经典SLAM结合？
• 在机器人端和云端地图管理中，如何设计地图传输协议以保证实时性？