产品研发往往涉及机械、电子、控制、软件、临床等多环节，算法不是孤立跑 benchmark，而是要落到整机系统里。六、在机器人、自动化、医疗装备、运动控制方向做过几年，想从单点算法走向系统控制的。不需要每个方向都精通，但通常要求在系统辨识、控制仿真、文献预研、运动学、动力学、路径/轨迹规划中，至少有三块能拿得出手。底层控制离不开伺服电机控制。论文：关注 ICRA、IROS、TRO、RA-L 中运动控

车辆要在轨道环境中完成清洁、物流等任务，底层需要实时读取角度、姿态、速度、环境感知等数据，并保证通信和固件升级可靠。底层驱动、RTOS、通信协议、传感器采集、量产固件，才是设备稳定运行的基础。优先背景包括机器人、无人机、智能硬件、车载电子、运动控制。从深圳机器人、车载电子、物联网方向的公开信息看，具备 3 年以上量产经验、能独立负责底层模块的嵌入式开发者，年包通常处于中高级到资深技术骨干区间，部分

在商用服务机器人领域，感知、理解、决策正在从单点模型走向多模态大模型驱动的系统。某商用服务机器人企业采用全栈自研与“一脑多形”架构，总部位于成都高新区，研发覆盖感知、理解、决策、控制等环节。本文从技术角度拆解这类团队中机器学习算法专家的能力模型，供开发者参考。本文仅作技术能力模型分析，不涉及任何具体机会推荐或商业合作信息。

身边不少做感知或规控的朋友都在补这方面的知识，我自己也因为项目需要，把主流的几篇工作系统看了一遍，并动手做了一些端侧部署的实验。RT-1 / RT-2：Google 提出的早期代表性工作，RT-1 偏向低层动作策略，RT-2 则把动作 token 化，与视觉和文本 token 一起送入大语言模型，实现了更强的语义理解和指令跟随能力。因为 VLA 架构本身还在快速演进，而量化部署的工程经验是可以迁移

尤其是 VLA（Vision-Language-Action）模型，作为连接视觉、语言与机器人动作的桥梁，在轮式双臂、人形灵巧手等平台上展现出了很强的潜力，但真正落地时依然面临数据、训练、部署和泛化的一系列难题。在 CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML、RSS、ICRA、IROS、TPAMI、TRO 等会议或期刊上以第一作者发表过 VLA 相关论文的，尤其欢迎。VLM

核心业务是做机器人的“具身大脑”，不是单纯做本体，也不是只搞大模型，而是把语言、视觉和机器人动作闭环打通。端侧推理框架搭建：支持图像输入、语言指令、机器人状态输入，输出动作指令，跑在 NVIDIA Orin、Thor 或 RTX GPU 上。VLA、Diffusion Policy、ACT、OpenVLA、π0/π0.5、GR00T、RDT、DexVLA 等模型的部署经验；整体看下来，这个方向在具

2026年，随着大模型能力的持续迭代和C端应用的加速落地，医疗AI产品的设计正在成为一个全新的专业领域——它既需要设计师对医疗场景有敬畏心，又需要对AI的能力边界有清晰认知，还需要在视觉表达上具备足够的创新力。在这种场景下，视觉语言承担的功能远超“好看”本身——它要传递专业感、安全感，要降低认知负荷，要在信息过载中帮用户快速定位关键内容。这种需求是溢出的，而且是刚性的。——不是传统互联网产品的UI

建图层面，不只是输出几何地图，而是构建带语义标签的三维地图——能区分“沙发”“餐桌”“卧室门”这些语义实体，为后续的语义导航（VLN）打下基础。家庭场景的感知导航，难不在算法本身，而在工程化——如何把论文里的方法变成能在低成本嵌入式平台上稳定运行的量产方案，如何覆盖家庭环境的无数个corner case。一是“感知”不够鲁棒。技术方向：主导家庭机器人多传感器融合感知方案的设计与迭代，负责SLAM建

AI产品经理和通用型产品经理的底层思考框架虽然相似——都要经历产品立项、需求分析、产品设计、研发管理、验收、迭代等阶段——但AI产品经理需要额外理解“数据+AI算法如何形成效果好的AI应用或场景”。不需要会写模型训练代码，但需要能判断技术的能力边界——什么能做、什么暂时做不了、什么做出来用户感知不到——以及在具体场景中的适用性。如果你做过智能硬件的0到1，对AI技术有足够深的理解，又想在一个细分赛

摘要：生成式AI正在重构内容推荐逻辑，从匹配已有内容转向实时生成个性化内容。某硅谷公司开发的互动叙事产品日活超200万，用户通过选择影响剧情走向，系统实时生成文字、图像等内容。该产品面临三大设计挑战：非线性导航架构、可见的AI生成过程反馈机制，以及跨文化适配方案。公司现招聘资深体验设计师，要求具备C端内容产品设计经验，能独立优化AI产品的交互体验，薪酬35-50k/月。核心需求是提升产品的审美水准