人形机器人-上海

一、面试现场最常让手写的代码（高频必背）1. 路径/轨迹规划基础- A* 或 JPS 伪代码（C++/Python）- RRT / RRT* 极简实现（必考）- 栅格地图路径搜索、碰撞检测逻辑2. 机器人运动学（必问）- 多自由度机械臂正运动学（DH + 齐次变换）- 数值逆运动学（阻尼最小二乘 DLS）- 雅可比矩阵计算、奇异值判断- 自碰撞检测逻辑（面向人形/双足/多关节）3. 最优化基础（岗位核心：姿态最优）- 简单二次规划 QP 伪代码- 梯度下降 / 牛顿法求解姿态最优目标函数- 带约束优化（关节限位、避障、姿态平滑）4. 基础避障算法- 人工势场法（APF）- 动态窗口法 DWA 思路 + 伪代码- 基于距离场的碰撞规避逻辑5. 轨迹平滑- 五次多项式轨迹插值- B 样条 / 贝塞尔曲线- 最小 jerk / 最小加速度轨迹优化二、岗位核心专项：全身规划 & 通过性（重点准备）1. 全身运动规划（Whole-Body Planning）- 基于 QP 的全身控制伪代码- 浮动基机器人动力学简化（能讲+能写公式代码）- 重心优化、零力矩点 ZMP 简化计算2. 通过性（Passability / Navigability）- 地形评估、可达区域判断- 姿态自适应调整代码逻辑（爬坡、越障、台阶）- 多约束下姿态最优求解流程3. 姿态最优求解- 目标函数：能耗最小、姿态平滑、重心最低- 约束：关节限、碰撞限、视野/任务约束- 调用 OSQP / NLOPT / IPOPT 等求解器的代码模板三、Learning-Based 规划（加分但必准备）面试官不问代码也会问思路，最好能写极简示例- 简单强化学习：DQN/PPO 极简网络结构- 模仿学习：行为克隆（BC）极简训练+推理代码- 学习预测：简单 LSTM/Transformer 状态预测伪代码四、工程化 & 框架能力（面试官非常看重）1. 规划框架设计（C++）- 规划器基类 + 派生结构（AStar/RRT/MPC）- 线程安全、数据队列、回调机制- 模块解耦：感知→地图→规划→控制2. 仿真相关代码- MuJoCo / Gazebo 环境交互- 机器人状态读取、轨迹下发、碰撞回调- 批量测试、自动化评估脚本（Python）3. 常用开源库使用（必须会写调用代码）- OMPL 规划器调用- NLOPT / OSQP / qpOASES 求解器- Pinocchio / KDL 运动学动力学- Eigen 矩阵运算、SVD、雅可比五、如果时间紧，优先准备这 8 套代码1. RRT*（必背）2. 数值逆运动学（DLS）3. 雅可比与冗余机器人零空间优化4. 五次多项式轨迹5. 简单 QP 姿态最优求解6. A* 路径规划7. 全身规划优化伪代码8. 学习型规划（BC/PPO）极简示例银河通用目前有需求，招算法职位，地点北京和深圳，有兴趣接触可以私聊

1. 介绍一下你做过的最有技术含量的项目，重点说架构设计和你的核心贡献。答：二面开场必问，考察的是系统思维和技术主导能力，不是简历复读。回答结构：项目背景（一句话说清楚是什么、规模、你的角色）→ 核心技术挑战（为什么难，不是"功能多"这种废话）→ 你的架构决策（为什么这么设计，有没有考虑过其他方案，为什么否定）→ 结果和反思（数据支撑，以及如果重来会怎么改）。面试官会顺着你说的细节追问，所以只说你真正主导过的部分，每个技术决策背后要有理由，不能说"当时就这么做了"。2. 你在项目中如何处理多个硬件设备并发上报数据时的竞态问题？用了什么同步策略，为什么这么...

有友友了解上海哥瑞利软件有限公司吗，这个是风评很差吗？

2026年，计算机专业找工作，早已不是“随便学都吃香”的年代，而是“精准定位、夯实能力、持续发力”的年代。行业的结构性分化，既是挑战，也是机遇——对于愿意深耕细分领域、重视实战能力、善于规划的求职者来说，计算机行业依然是前景广阔、上限极高的赛道。避坑指南：避开这些误区，提高求职成功率很多计算机专业求职者，明明能力不错，却因为陷入求职误区，错失心仪offer。以下是2026年求职中最常见的5个误区，一定要避开：1. 误区一：盲目跟风热门赛道，忽视自身能力。很多人跟风选择AI、算法赛道，但缺乏数学和算法基础，最终竞争力不足，屡屡碰壁。建议结合自身能力，选择适配的赛道，哪怕是传统赛道，深耕下去也能获...