奇瑞具身智能一面:硬件项目、真机部署与仿真经验
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
非电面,视频面试。主要是问简历里的硬件项目,两个具身智能项目,真机部署经验,仿真经验。面试过程很快,面试官也没有刁难,没有八股和 coding。
- 介绍简历里的硬件项目:做了什么、你负责哪部分、关键指标是多少?
- 讲一下两个具身智能项目:任务是什么、方案怎么选、最后做到什么程度?
- 真机部署经验:在什么本体上部署、遇到哪些 sim2real 的差异、怎么调的?
- 仿真经验:用什么仿真环境、搭了什么场景、训练与验证怎么做的?
《参考解析》
这类岗位的面试几乎全在项目上,准备的核心是「把项目讲成一条能被追问的工程链」。 每个项目准备四层:任务定义(要解决什么、成功标准是什么)、方案与选型(为什么用这个模型/这条控制链路、对比过什么)、实现细节(数据从哪来、训练多久、部署在什么算力上)、结果与复盘(量化指标、失败案例、如果重做会怎么改)。面试官追问的深度通常会到「这个参数为什么这么设」,所以每个数字都要知道来源。
真机部署是具身智能岗位最看重的部分,因为它把「能跑通」和「能交付」分开。 要能讲清 sim2real 的几类差异:动力学参数(摩擦、质量、关节间隙)与仿真不一致、传感器噪声与延迟、视觉域差异(光照、纹理、相机畸变)、控制频率与通信延迟。对应手段包括域随机化(随机化质量、摩擦、光照、相机参数)、系统辨识(用真机数据拟合动力学参数)、观测与动作的归一化对齐、以及在真机上做小步微调。再加一句「我们怎么判断是模型问题还是控制问题」——比如固定动作序列看执行误差、用示波器/日志看指令与实际位置的偏差——会显得你是真的上过机器。
仿真经验要讲清「仿真里训出来的东西怎么保证能迁移」。 常见做法是并行多环境加速采样(Isaac Gym / MuJoCo 批量环境)、课程学习从简单场景逐步加难度、域随机化覆盖真实分布、以及在仿真里做大量消融再上真机验证。要能说出仿真的局限:接触模型与摩擦锥不准确、渲染与真实图像的域差距、执行器模型简化,所以关键策略最终一定要真机验证,仿真的作用是筛掉明显不行的方案而不是证明方案可行。
硬件项目要突出「你亲手做过的那部分」。 讲清电路或机械设计的约束(供电、散热、接口、尺寸)、调试过程(怎么定位是电源纹波还是信号完整性问题)、以及和软件侧的联调。具身智能岗位看重的是「能同时理解机械/电子/算法边界」的人,哪怕是简单的传感器选型,只要能讲清为什么选它、标定怎么做、误差多大,就比罗列一堆名词有用。
没有八股和手写代码,说明这场面试的评分几乎全在表达与项目可信度上。 语速放慢、按「背景—动作—结果」讲、每个结论后面跟一个证据(数字、日志、对比实验),比抢着把所有技术名词都提一遍更有效。被问到不熟的部分,明确说边界并给出你会怎么补,比硬答安全。