具身感知算法工程师

💵 2026 年薪资区间与平均薪资

下表口径：一线城市 · 社招 · 税前月薪（现金部分）。数字综合 2026 年公开招聘信息与薪酬报告整理，不是精确统计 —— 校招与社招、均值与中位、是否含股票期权的口径差异很大，实际请以招聘平台实时岗位为准。

平均月薪参考：约 46K（一线城市社招口径）。跨模态 + 实机经验稀缺：有真机数据闭环（采集、标定、训练、上机验证）的人报价上一个台阶。

可以对照的公开锚点：2026 届校招里 AI 相关岗位月薪中位值约 2.53 万元；偏中高端的样本中 AI 岗位平均月薪约 6.07 万元；算法研究员 / 大模型算法岗位普遍在 7 万元 左右，AI 科学家 / 负责人可达 13 万元 以上。资深 AI 人才 2026 年的调薪幅度最高可达 20%–35%，高于市场平均。

地域差异明显：长三角与大湾区贡献了全国近七成的 AI 岗位需求，北京、上海、深圳、杭州、苏州的薪酬普遍高于其他城市。

🏦 岗位画像：这个岗位到底在招谁

这是机器人方向里最靠近「让机器看懂世界」的岗位。日常工作不是训一个大模型就收工，而是把相机、深度、激光、惯性单元的数据，变成机器人能用的位姿、地图、抓取目标与语义信息。

这个岗位的核心难点不在算法论文，而在物理世界的误差与延迟：标定会漂、传感器会脏、光照会变、算力有上限，而机器人是要动的。所以面试里问得最多的是标定、同步、误差分布和延迟预算，而不是模型结构。

三类用人单位面试侧重不同。机器人本体厂（机械臂、移动机器人、人形）重落地，会追问真机成功率、标定多久复标一次、工装与温漂怎么处理；自动驾驶与低速无人车重多传感器融合，会追问时间同步、标定在线校验、量产一致性；具身智能创业公司与实验室重算法前沿，会追问视觉语言动作模型的微调与数据闭环、仿真到真机的迁移。

一句话判断自己匹不匹配：你能把一套感知链路在真机上调到稳定复现，并且说清误差来自哪里、延迟花在哪里——你匹配；只会跑通公开数据集里的模型，还差真机调试这一关。

📅 岗位职责

• 传感器标定：内参、外参、手眼标定、多传感器时间同步与在线校验
• 感知算法：检测、分割、位姿估计、点云配准、抓取位姿生成
• 多传感器融合：视觉、深度、激光、惯性、力觉的数据关联与滤波
• 部署与加速：模型量化与推理优化，在边缘设备上满足实时要求
• 评测与数据闭环：真机成功率、误差分布、失败样本回收与再训练
• 与规划控制协作：明确感知输出的坐标系、频率、延迟与置信度约定
• 仿真验证与仿真到真机的迁移调优

🗝️ 岗位技能：技术基础

必备

• 几何基础：坐标系变换、旋转表示（旋转矩阵、四元数、欧拉角）、李群李代数、手眼标定方程
• 视觉算法：特征提取与匹配、透视点定位、对极几何、主流检测与分割模型
• 点云处理：最近邻搜索、配准方法及其变体、降采样、聚类分割、法线估计
• 滤波与融合：卡尔曼滤波、扩展卡尔曼、粒子滤波、时间同步与插值
• 机器人中间件：ROS 2 的话题、服务、动作模型，坐标变换树，常用仿真环境
• 工程：Python 与 C++、基础 CUDA、模型部署与推理加速工具

加分

• 做过视觉语言动作模型的微调与真机部署，知道数据配比的影响
• 有仿真到真机的迁移经验：域随机化、材质与光照扰动、物理参数辨识
• 懂力控与抓取：触觉与力反馈下的抓取稳定性
• 有硬件级时间同步经验（硬触发、精密时间协议）

🛡️ 技术面重点：会被问什么

• 「手眼标定怎么做，误差怎么评估？」——考几何与实操。要答出采集多组位姿、求解标定方程、用重投影误差或实际抓取误差评估，并说清标定板精度与采样位姿分布对结果的影响。
• 「点云配准效果差怎么办？」——考排查顺序。先看初始位姿是否合理，再看重叠率与离群点，做降采样与法线估计，最后才是换配准方法与调收敛判据。
• 「感知延迟两百毫秒，机器人抓不住怎么办？」——考延迟预算。拆开采集、传输、推理、后处理各段，通常是串行链路与未量化模型导致的，用流水线和预测补偿解决。
• 「仿真里九成五，真机只有六成，差在哪？」——考迁移能力。视觉域差异、物理与接触建模、传感器噪声模型，用域随机化加真机少量微调。
• 「抓取成功率怎么评估？」——考评测设计。定义成功判据、按物体类别分层统计、记录失败原因（漏检、位姿偏、滑落）、保证样本量足够。
• 「多传感器时间戳对不上怎么办？」——考同步。硬件触发优先，软件层用缓冲与插值对齐，避免直接把不同频率的数据拼在一起。
• 「你怎么知道是感知错还是控制错？」——考归因能力。回放数据、比对真值、分段注入固定输入，把感知与控制解耦验证。

⚖️ 业务场景：选型与权衡

🚧 故障排查

• 抓取位姿偶发偏移几毫米：标定漂移或末端形变。定期复标、做温漂补偿，关键场景加视觉伺服闭环。
• 检测框抖动：单帧推理缺少时序约束。加跟踪与时序平滑，或提高输入分辨率与训练数据多样性。
• 深度数据大面积空洞：反光、透明或超量程。换传感器方案、补多视角，或用深度补全模型，并统计空洞率。
• 坐标变换报错或结果错乱：坐标树断裂或时间戳过期。用工具检查坐标树与时间源，统一时间基准。
• 真机复现不了仿真结果：域差异。做域随机化，再用少量真机数据微调，并记录差异来源。
• 帧率不稳导致控制抖动：推理耗时波动。限制输入尺寸、做异步流水线、丢弃过期帧。

💵 成本优化

• 算清单位成本：单次抓取或单公里成本 = 硬件折旧 + 算力 + 标注 + 人工调试。标注与调试通常是大头，先动这里。
• 减少标注量：用自监督或仿真数据预训练，人工只标难点与边界样本。
• 模型瘦身：蒸馏与量化把大模型的能力搬到边缘设备，省的是长期算力与硬件成本。
• 分级推理：常驻轻模型做粗定位，只在必要时唤起重模型。
• 采集复用：一次采集供多任务使用，避免反复出动设备采数据。
• 提升一次成功率：抓取重试的时间成本往往高于把成功率提高几个点，先优化感知再优化硬件。

♾️ 项目经历怎么讲

用三段式：任务与硬约束 → 感知方案与关键取舍 → 真机结果与失败分布。这个岗位的面试官一定会问具体数字，所以精度、延迟、成功率要准备好。

1. 任务约束：什么机器人、什么传感器、成功率与延迟要求、算力与成本上限
2. 方案取舍：为什么选这套传感器与算法，标定与时间同步怎么做的，遇到的最大坑是什么
3. 结果与失败模式：真机成功率、误差分布、P95 延迟、主要失败类型与占比

正例：

机械臂分拣任务，原来用固定位置示教，换料盒就要重新调。我用深度相机加六维位姿估计，做了手眼标定和时序滤波。真机成功率约九成三，平均延迟一百二十毫秒，标定每月复标一次。剩下约百分之七的失败主要是透明物体，改用多视角补全后有明显改善。

反例：

我用了某某检测模型，效果很好。

反例缺少标定、真机指标与失败模式分析。面试官一问「精度多少毫米、延迟多少毫秒」，就断了。