第1章：岗位能力画像与简历优化模板

面试问题：请描述SLAM工程师需要具备哪些核心能力？

面试官考察点：岗位理解深度、知识体系完整性、自我认知能力。

回答框架：从“数学→编程→算法→工程→软技能”五个层次递进，每个层次举一个具体例子（如“图优化中需要矩阵求导”）。

示例回答：“核心能力包括数学（线性代数、李代数）、编程（C++/ROS）、算法（滤波与图优化）、工程（系统联调与标定）及软技能（问题拆解）。我在VIO项目中用图优化解决漂移，体现复合能力。”

可能追问：“你最薄弱的是哪个维度？如何提升？”

避坑提醒：不要只背名词清单；要结合项目说明“如何组合使用这些能力”。

面试问题：请介绍简历中一个SLAM项目的成果，并给出量化指标。

面试官考察点：成果量化意识、项目真实性、表达结构化（STAR法则）。

回答框架：使用STAR：背景→任务→行动→结果。结果必须包含数字（精度/效率/规模）。

示例回答：“在智能仓储AGV项目中，我负责视觉SLAM模块。采用ORB特征+局部BA优化，将重投影误差从15cm降到4cm，定位频率50Hz，支持10台机器人协同建图。”

可能追问：“如果要求降低计算资源，你会如何优化？”

避坑提醒：避免模糊表述如“提升了性能”；必须给出“从X到Y”的具体数字对比。

面试问题：简历中关键词匹配很重要，请列举三个必须出现的SLAM关键词，并说明为什么。

面试官考察点：对SLAM领域核心技术的理解深度、简历关键词策划能力。

回答框架：选“图优化”“回环检测”“IMU预积分”等，解释每个词在系统中的关键作用。

示例回答：“图优化（后端核心，消除累计误差）、回环检测（构建全局一致地图）、IMU预积分（视觉惯性紧耦合）。这三个词直接体现你对完整SLAM架构的掌握。”

可能追问：“除了这三个，你还会哪些关键技术？如语义SLAM？”

避坑提醒：不要用“算法”“机器学习”等泛词；关键词必须与你的项目高度对应，否则面试追问会暴露。