具身导航算法工程师（SLAM、导航方向）

优缺点分析

角色解读

• 深耕技术，成为机器人感知或导航领域的专家工程师或算法架构师
• 向系统架构或技术管理方向发展，负责整个机器人软件平台或具身智能系统的设计与迭代
• 结合前沿AI研究，推动机器人从“能走路”到“能思考、会操作”的智能化升级
• 开发与优化机器人的SLAM（即时定位与地图构建）算法，实现其在未知环境中的精确感知与定位
• 设计机器人导航系统，包括路径规划、避障和运动控制，确保其在复杂场景中安全高效地移动
• 处理3D视觉数据（如点云），利用深度学习模型（如VLM）提升机器人对环境的理解和交互能力
• 将算法模型进行微调、量化和部署，使其能在机器人端的有限算力上高效运行
• 精通C++编程及Linux/ROS机器人操作系统开发环境
• 扎实掌握SLAM、导航算法、3D视觉及深度学习理论与实践
• 具备数学基础（线性代数、概率论）和将算法工程化落地的能力
• 了解多模态大模型（VLM/LLM）及其在具身智能中的应用是重要加分项

申请策略

• 研究智元机器人公开的机器人产品和技术方向，在面试中体现你对公司的了解和热情
• 准备一个与机器人导航或感知相关的个人项目演示，可以是仿真的或小型实物
• 突出SLAM、导航、3D视觉相关的项目经验或研究成果，尤其是涉及机器人实际部署的案例
• 详细描述使用C++和ROS进行机器人开发的具体经历，展示系统编程和调试能力
• 如有顶会论文（如CVPR, ICRA）或开源项目贡献，务必重点列出
• 体现对深度学习模型（特别是VLM/LLM）的理解和实践经验，哪怕是学习项目
• 系统复习并实践机器人操作系统ROS2，熟悉其通信机制和常用传感器驱动
• 深入学习一种主流SLAM框架（如ORB-SLAM3, VINS-Mono），并尝试在机器人平台上复现

面试指南

• 对于算法原理题：采用“总-分-总”结构，先概述方法，再分点讲清模块（前端、后端、优化等），最后结合优缺点和适用场景总结
• 对于系统设计题：从需求分析（场景、约束）入手，拆解模块（感知、定位、规划、控制），比较不同方案并说明选择理由，最后提及可能的问题与优化方向
• 对于项目经验题：使用STAR法则（情境、任务、行动、结果），重点突出“行动”部分的技术细节和个人贡献，以及最终可量化的结果或学到的经验
• 请描述一下ORB-SLAM或VINS-Mono等主流视觉SLAM系统的核心原理和优缺点
• 如果让你为一个人形机器人设计室内导航模块，你会考虑哪些关键因素？如何选择全局规划和局部规划算法？
• 如何优化一个基于深度学习的点云处理模型（如PointNet），使其能在嵌入式设备上实时运行？
• 你如何理解具身智能中的‘Sim-to-Real’ gap？有哪些常用的方法来弥合它？
• 请介绍一下你过去最有挑战性的一个机器人相关项目，遇到了什么技术难题，是如何解决的？