岗位与去向
人形/通用机器人公司（宇树、智元、银河通用等）、大厂具身智能实验室与车企机器人部门；岗位分运动控制、学习算法（模仿/强化）、感知与数据平台四条线。
知识考点
- 机器人学基础：正逆运动学、雅可比、坐标变换；四元数与欧拉角的坑。
- 模仿学习：行为克隆的复合误差问题；ACT、Diffusion Policy 的核心思想与适用边界。
- VLA：视觉-语言-动作模型的输入输出设计；为什么动作 token 化、离散化怎么做。
- 强化学习：sim2real 的域随机化；奖励设计与安全约束。
- 数据：遥操作采集的成本结构；数据规模与泛化的关系是开放题常客。
项目怎么讲
按「任务定义 → 数据/仿真环境 → 方法 → 真机或仿真指标 → 失败模式」讲。这个方向面试官特别爱追问失败案例：抓取失败的分布、策略在什么扰动下崩溃，答得具体才显得真做过。纯仿真项目要主动讲 sim2real 差距的认知。
面试环节
流程多为技术一面（机器人学+coding）→ 二面（论文/项目深挖）→ 三面（研究品味与方向判断）→ HR 面。coding 考察与算法岗一致（LeetCode 中等偏上），另有概率手推与坐标变换手写题。方向判断题如「数据驱动与模型驱动路线怎么看」，要求有自己的证据链。
准备建议
- 复现一个开源模仿学习项目（LeRobot 生态门槛最低），仿真环境用 MuJoCo/Isaac。
- 把正逆运动学与坐标变换整理成手写推导，一面必考。
- 追踪 2-3 家目标公司的技术路线差异（本体自研 vs 采购、端到端 vs 分层），三面表达判断时有据可依。