机器人算法人工智能算法研究岗

优缺点分析

角色解读

• 从算法研究员起步，逐步成长为具身智能领域的专家或技术带头人
• 可向技术管理方向转型，带领团队推动机器人算法在量产车型中的应用
• 未来可在机器人、自动驾驶、AI大模型等交叉领域深入发展
• 负责机器人运动控制算法的研究与开发，包括强化学习和深度学习的模型训练与优化
• 设计三维环境下的路径规划与避障策略，解决真实机器人导航难题
• 参与SLAM算法的研发，实现机器人在未知环境中的自主定位与地图构建
• 参与VLA等具身智能大模型的研发与部署，推动算法在真机上的落地验证
• 扎实的机器人和人工智能理论基础，熟悉运动控制、路径规划、SLAM等方向
• 熟练使用PyTorch/TensorFlow等深度学习框架进行模型开发和训练
• 扎实的数学功底，包括线性代数、最优理论、概率论，能够复现前沿论文算法
• 具备编程能力和机器人仿真或真机实验经验者更佳

申请策略

• 在投递简历前了解吉利在机器人或智能驾驶领域的最新动态，在面试中展现你对公司业务的理解
• 如果有机会，可以准备一个简短的算法demo或项目讲解，让面试官直观看到你的能力
• 突出你参与过的机器人或AI项目，特别是运动控制、SLAM、强化学习相关的实战经历
• 强调你发表过的论文或复现过的经典算法，展现学术能力
• 列出你熟悉的深度学习框架和具体模型，以及仿真真机实验经验
• 展示你的数学功底和编程水平，可附上GitHub链接或项目demo
• 提前复习强化学习和深度学习核心原理，掌握常见算法如PPO、DQN、Transformer等
• 学习ROS、Gazebo等机器人仿真工具，亲手跑通一个SLAM或路径规划实验

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目，突出你的具体贡献和量化成果
• 对于算法理解题，先阐述基本概念，再结合自己的项目经验说明实际应用和痛点
• 对于开放题，表现出你的思考过程和对前沿技术的热情，可以引用最新论文
• 请介绍一下你在强化学习或运动控制方面做过的一个项目？
• 如何解决路径规划中的避障问题？你熟悉哪些算法？
• 你如何理解VLA（视觉语言动作模型）？它在机器人上的应用有哪些挑战？
• 你如何选择hyperparameters或优化模型训练效果？
• 你是否有过在真实机器人上部署算法的经验？遇到哪些问题？