蔚来
实习实习-规控算法开发工程师
合肥 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 硕士及以上学历，自动化、机器人学、控制理论、计算机科学、机械电子、数学等相关专业，扎实的数学基础
- 精通C++/Python ，熟悉机器人运动学/动力学建模，具备ROS2开发经验，熟练掌握moveit，rviz，gazebo的使用开发
- 熟练使用Pytorch/Tensorflow等深度学习框架，熟悉各类强化学习开源库；或熟悉Transformer结构
- 具有良好的沟通能力，团队合作能力和抗压能力，愿意学习和成长。
- 【加分项】
- 有实际参与机器人规控算法落地工厂实际使用的经验
- 具备辅助驾驶/机器人等复杂系统开发经验
- 在机器人/辅助驾驶行业，发表过顶级期刊/会议论文
- 具有强化学习相关项目或研究1年以上经验
岗位描述
- 1. 复杂场景避障算法，基于点云/视觉/多传感器的环境建图与障碍物识别- 实时碰撞检测与主动避障
- 2. 任务调度与时序优化，多机器人任务自动分配与动态调度- 考虑优先级、时序、负载均衡
- 3. 智能避障与行为生成，基于深度学习/强化学习/优化的避障策略开发- 自适应行为生成
- 1. 移动机器人本体/多机械臂任务运动规划、决策与协同控制等算法的研发；
- 2. 参与终端抓取模算法研发，实现柔性抓取以及自适应抓取能力；
- 3. 在真实机器人平台上进行训练模型的部署与调试，深入分析并解决sim2real GAP问题，确保模拟环境与真实环境之间的有效转化；
- 4. 与感知、硬件等相关团队紧密合作，参与机器人系统的级联调试与问题攻关，推动技术闭环的落地实施，确保项目的顺利推进；
- 5. 参与编写项目文档，包含需求分析/架构设计/详细设计/测试方案等，为项目持续迭代维护提供支持。
- 6. 跟踪前沿移动机器人/多机械臂规划控制的研究方向，参与相关算法的验证与评估，推动技术的持续创新与应用；
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。