第一章 岗位能力画像与简历优化模板

🎯 岗位能力画像

📋 问答卡片 1：岗位匹配度

面试问题：“请用一句话说明你为什么适合这个传感器融合实习岗？”

• 考察点：对岗位需要的能力是否有清晰认知；能否快速拉通自身经验。
• 回答框架：
  “我的 X（研究/项目经历）+ Y（技术栈）+ Z（具体成果）恰好匹配岗位对 W（核心能力）的要求。”
• 示例回答：
  “我在 SLAM 课程中独立实现 EKF 融合里程计与 IMU 位姿估计，熟悉 C++ 与 ROS，能在 100 ms 内完成 6 自由度姿态输出，与岗位对多传感器融合实习生的要求高度契合。”
• 可能追问：你用的 EKF 是什么形式的雅可比？为什么不用 ESKF？
• 避坑提醒：不要只说“我学过 xxx”，要明确给出成果粒度（如：精度、延迟、规模）。

📋 问答卡片 2：成果量化表述

面试问题：“在简历上写‘优化了激光里程计’，具体怎么优化？”

• 考察点：量化思维；是否真正理解改进点；结果的可验证性。
• 回答框架：
  “原方案基线（X）→ 我采用了 具体方法 → 最终在 什么数据集/硬件上 提升 多少指标（精度/速度/鲁棒性）。”
• 示例回答：
  “原 NICP 在 KITTI 序列 00 上平移误差 1.2%，我加入自适应体素滤波与帧间约束管理，使得平移误差降至 0.8%，运行帧率从 15 Hz 提升至 22 Hz。”
• 可能追问：自适应体素滤波的阈值怎么选取？为什么只测一个序列？
• 避坑提醒：避免说“显著提升”，必须给出具体数字；如果数据不占优，说明边界条件。

📋 问答卡片 3：技术栈关键词

面试问题：“你用过哪些 SLAM 框架？对比一下 ORB-SLAM3 和 VINS-Mono。”

• 考察点：是否真用过而非背概念；能否从工程角度对比优劣势。
• 回答框架：
  “先说共同点（框架结构）→ 再对比 核心差异（IMU 紧耦合方式、回环策略、地图管理）→ 给出 适用场景建议。”
• 示例回答：
  “两者都是视觉惯性 SLAM。ORB-SLAM3 是紧耦合的基于非线性优化，支持单/双/ RGBD 切换，回环更强；VINS-Mono 基于滑动窗口与边缘化，更轻量且适合低算力设备。我实习时在 Jetson 上用 VINS，实时性更好。”
• 可能追问：如果要在立体相机上用，你选哪个？为什么？
• 避坑提醒：不要只背书上的框图，一定要结合自己实际使用经验，说出踩过的坑（如：初始化失败、尺度漂移）。