← 返回岗位列表

小鹏汽车

校招

【27届校招】具身智能灵巧操作算法工程师

深圳/上海 · 校招 · 2027 届 · 硕士

长期有效

任职要求

  • 职位要求
  • 自动化、计算机、人工智能、机器人等相关专业硕士及以上学历
  • 熟悉机器人动力学、运动学、最优控制,有扎实的数学基础
  • 精通Linux和Docker开发环境,熟悉C++和Python,掌握git工作流,具有良好的编程习惯
  • 谦逊开放、思维活跃,具有团队合作意识
  • 学习能力强,可以独立探索与学习先进的算法
  • 【加分项】
  • 熟悉主流强化学习、模仿学习等算法
  • 熟悉Isaac Gym/Isaac Lab仿真,能够搭建复杂的仿真环境
  • 有灵巧手触觉传感器应用经验
  • 有sim2real实战经验
  • 有多关节机器人控制经验
  • 在顶级会议(如CVRP/ICCV/ICRA/IROS/NeurlPS等)或刊物(如IJRR/TRO/TPAMI等)发表过论文优先。
  • 【我们提供】
  • 技术前沿机会:加入行业领先的人型机器人研发团队,探索具身智能算法最核心技术
  • 成长平台:与顶尖专家合作,参与全球范围内最具挑战性的机器人项目
  • 论文发表:参与核心研发项目,成果有机会发表顶刊顶会
  • 优厚回报:提供极具竞争力的薪资福利,以及清晰的职业发展路径和持续的成长支持。
  • 【关于我们】
  • 小鹏机器人中心致力于研发先进的人形机器人技术,包括机器人的行走、操作、智能导航,以及在大语言模型支持下的人机交互等。我们的软硬件团队覆盖深圳、上海、广州、北京和北美,组成了一支世界一流的跨领域团队。作为本团队的一员,你将成为连接人工智能与物理世界的桥梁,与其他领域的工程师共同解决前沿的科研和工程难题,并在机器人技术的发展中留下自己的印记。

岗位描述

【职位描述】

我们正在寻找富有创造力和技术能力的具身智能灵巧操作算法工程师,专注于人形机器人灵巧手在操作(manipulation)任务中的算法开发和部署。您将参与构建多样化的机器人任务场景,通过遥操作、力控、强化学习等方式,使机器人能够高效准确的自主完成各种有挑战的操作任务。

【主要职责】

  • 1. 负责开发、部署和调试用于人形机器人灵巧手的先进操作算法,包含遥操作、力控、强化学习等领域;
  • 2. 负责仿真环境的搭建与迁移,涵盖机器人运动学、动力学、传感器仿真、物理环境交互仿真等;
  • 3. 开发和改进先进的强化学习算法,实现机器人的操作任务;
  • 4. 根据机器人在特定任务中存在的难点问题,参与针对具体技术难点的攻关。

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)

类型专业能力·难度困难
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

类型项目经历·难度中等
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

类型专业能力·难度简单
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

类型专业能力·难度中等
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

类型情景/案例·难度中等
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。