入职机器人公司三个月了，终于可以说我大致知道公司各个业务板块主要做什么，以及自己需要做什么了。 都说智驾和具身智能很像，也有不少人就是这样跳过来的。可入行后有了切身体会，才知道这所谓的”很像”其实特别皮毛。在具体业务上，我7年汽车智驾的经验，比不上在这里实习1年的学生懂得多。可能稍微还能拿得出手的，就是在车企看过规范大项目是怎么推进的，正规流程应该是什么样，做过一些量产交付项目。可稍微有过一些经验的”牛马”就知道，这些东西其实虚得很——再大的公司本质也是草台班子。不过还是很感激公司给我机会让我能够顺利转行，他们本可以招一个刚毕业的大学生。 之前在准备转行的时候写过一些机器人领域的分工，当时是基于调研总结的结果。现在真正入行了，对分工有了更加完整的理解，也意识到之前的总结有些地方不太准确。想着重新总结一下： 算法开发：当前最火热的职位，没有之一。所谓”大脑开发”，指的就是设计适用于具体工程任务的模型。据我了解，很少有公司能够设计全新的模型。当前中国几百家具身智能公司，绝大多数是在开源算法基础上做些修改，比如π0.5、ACT等模型，应该占据了市场半壁江山。受大模型认知的影响，外人以为机器人算法已经非常智能了，入行之后发现完全不是这样——一个几B的模型能够顺畅聊天，但执行动作只能做一些特别简单的任务，比如叠衣服。多数具身智能的算法岗位，也就是对开源算法做到熟练使用，针对具体问题能做微调，达到项目成功率需求即可。 应用开发：做项目交付开发的，通常和产品以及算法开发联系紧密。从产品人员那里吃透客户真实要解决的问题，然后对接算法工程师得到可用的算法方案建议，最终将其工程化、规范化、稳定化，交付给客户。这个角色所做的工作结果比算法开发更加确定，基本上是使用成熟算法解决相似的问题。但对实验经验要求很高，比如数据怎么采集，训练以及模型参数怎么设置，具体需求应该怎么结合算法和硬件甚至和商务来解决问题。挑战是多方面的。 硬件设计：设计机器人本体以及辅助工件的，比如夹爪、灵巧手，以及快速原型验证的3D打印器件。基本上天天与SolidWorks打交道，输出URDF、mesh文件等。 运控算法开发：主要是做运动学、控制学算法在公司机器人上的适配，调试IK、FK这些。 导航算法开发：如果是轮式底盘机器人，还会涉及导航算法的开发，比较常见的是SLAM、关键帧对比导航等。 机器人软件开发：更偏向通用开发，将运控、导航等模块功能集成为完整的机器人软件，同时管理软件依赖、软件发布等。会开发很多胶水代码，将各模块集成为整体机器人基础软件。 产品岗位：结合了产品和项目经理的角色，通常做需求拆分、研发规划、进度跟踪、客户交流、项目汇报等工作。当前机器人公司还没跑出太多大公司，中小公司大多数人一人身兼数职，产品岗基本上是PM、PO、FO角色的综合。 市场、商务：随着机器人公司进入交付阶段，这两个职位越来越重要。大致可按售前和售后来区分：谈客户、推动下单是售前；签了合同之后的交付是商务。 机器人测试岗：基本上是集成测试，从软件到硬件都做，是开发到客户之间的最后一道工序。 融资/战略岗：负责公司融资、投资人关系、政府关系等。早期公司通常由创始人亲自做，成长期可能设专门岗位。这部分对人的资源积累要求极高，不是靠短期学习能补齐的。 从分工总结开始，我会逐步记录在新领域的学习历程。

在我坚定要从智驾行业转行到机器人领域时，我就着手开始规划我的学习计划，从而在最短时间补齐知识欠缺，做到至少能够拿到面试的级别。大约半年时间确实走了不少弯路浪费了不少时间，同时也学习到了很多知识了解到了很多信息，在此一并记录下来，希望对有同样想法的朋友有所帮助。 从一开始补齐AI但是没想好换工作做什么，到最终拿到Offer，一共是10个月的时间，至于坚定去学习机器人大约是最后的三四个月。大多数时候很难一次性想明白要做什么以及搞清楚该怎么做，我自己的心得是先动手先开始，大方向还是比较容易看到的，那就先往那边去走。对于我来说一开始还是计划在智驾领域深耕的，当时想切入AI车端部署，于是我补了很多大模型以及VLA相关的知识。 学习教程的话我是看的李沐的《动手学深度学习》，非常的基础并且深入浅出，适合之前完全没有接触过机器学习、深度学习、大模型的同学。我是官网在线学习的，比起他的书，网站上新增了关于大模型关于RAG相关的内容，在经典深度学习的知识之外包含了Transformer、BERT、Embedding等章节内容，非常贴近当前的技术热点。非常建议转行AI的同学从这里开始学起：https://zh-v2.d2l.ai/。 我工作间隙用了四五个月时间粗浅地看完。讲真如果非常扎实学一遍的话，还是需要不少时间的，对于工作党更是很大的挑战。可如果之前没接触过深度学习算法，完整跟着学习一遍打基础的这个过程是逃不掉的，不然到了后边大模型相关的学习过程中会发现很多提到的名词不知道什么意思不知道什么作用，大模型本质还是深度学习的延伸，知识点是递进的。 对大模型有了初步了解后立马就找个项目开始实战。我当时的资源非常有限，只有一台配备NVIDIA GeForce RTX 5090显卡的服务器，和一辆配备Jetson Nano算力的四轮小车，想要训练部署跑通一个完整大模型资源非常受限。前期调研了很多算法例如FSDrive、Tiny VLA、OpenDriveVLA、SmolVLA、DriveVLA-W0、Pi0.5、AutoVLA、Orion VLA、SimLingo、UniAD等，最终结合模型大小、社区活跃度以及配套工具成熟度我们选择了SmolVLA作为我们学习的主论文。后来在面试时候了解到当时的评估还是挺明智的，SmolVLA在很多机器人公司有着大量的应用，同时由于SmolVLA基于HuggingFace的LeRobot框架，而后者也在一些初创机器人公司用得很广，相当于一举多得。 在学习基于LeRobot的SmolVLA同时，我还学习了一些ROS2的基础内容，这在机器人领域也是绕不过的基础知识，官网的Tutorial是最好的学习资料。在后来的四轮小车软件架构设计时候也充分利用了ROS2框架，用于对ROS2学习内容的一个真机锻炼。小车架构层面我们进行了如下设计，尽量贴近真实项目，做到麻雀虽小五脏俱全。最终的代码实现基本上就是按照如下框架进行的，仓库地址在此：https://github.com/shuspieler/smol_rugv/。 当SmolVLA在服务器上调通，以及找了一些公开的数据进行预训练后，我们安排了使用小车进行真实数据采集以及后训练和微调的过程。整体来说SmolVLA模型不大，在我们服务器上大约几个小时就能够全量训练完毕。可我们是学习的目的所以在真机采集数据后训练时候使用了LoRA，将训练时长压缩到了1小时，最终我们实现了一个极简大模型从预训练到真机部署的全流程。我对此的理解就是大模型时代软件开发的新范式，像是敲通了第一行Hello World！还是很有成就感的。 并且在后来面试过程中也感受到，这个经历对于我找工作有着至关重要的帮助，至少50%的面试机会或者说offer是这个小项目带给我的。虽然看似简单，但是在转行机器人的这部分人群中，领先八成以上的竞争者压力不大的。 到了年底我开始回顾LeetCode数据结构与算法。虽说当前社招对于刷题不是硬性要求，我一次都没遇到过说先给一个链接做个题的情况，但是在面试的时候还是高概率会问到算法基础的。我在本次求职遇到过口头问的和让我展示屏幕随便开一个IDE写一道题的。当然多数时候不需要真的能够真机运行通过，更多的时候是看思路和简单的代码规范。 虽然现在AI编程真是很强大，但是数据结构与算法作为程序员基本功是非常非常必要的。可能长时间不写有些不熟练，但是不能说压根不知道没见过不了解。等到了入职后基本也不需要亲自写这些算法，但是其中的思想会内化到程序员的素养中，对于之后软件的设计、Bug的调试以及性能的优化，这些内在并且底层的原理是到时候拉开差距的源头。我当时整体过了一遍LeetCode基础知识后对于其中排序章节特别有感触还写了一篇随笔：LeetCode排序章：算法与生活的共鸣。 复习完了LeetCode后我又开始B站了《黑马程序员大模型RAG与Agent智能体项目实战教程，基于主流的LangChain技术从大模型提示词到实战项目》这门课程的学习。这个与机器人开发其实关系不大，我学这门课程主要是为了更加深入了解当前火爆的大模型Agent开发以及RAG开发到底是怎么一回事。 经过系统性的学习我感觉收获非常大，对我认知的影响可以用震撼形容。深入了解后我把大模型Agent的开发类比成Java后端开发，RAG类比之前数据库设计——即我们要实现相同的软件目标，之前需要使用Java设计数据结构和算法接口，而现在我们要实现的软件目标没变，但是使用的是大模型Agent以及MCP、Skills等技术。我看到了由于大模型的到来，原来的开发需求很多可能会被Agent重新定义一遍。曾经的以Java为首的软件开发撑起了互联网、移动互联网黄金十年，现在大模型Agent很有可能会是这个产业的二次升级，就像是电气时代取代了蒸汽时代，需求没有变即人类生产需要动力，但是内核和效率有了天翻地覆的变化。 大约在今年三月我确定了要冲一把机器人领域，于是就全力去搞我的SmolVLA小车项目了，其他的学习内容暂且放一放。同时我开始了解机器人领域对于人才的需求，和多个猎头以及面试官交流后我大致摸清了机器人行业当前分工主要有哪些。不管大厂小厂，共同点大致可以分为： 机械设计：即画图设计机械臂等结构的工程师； 小脑软件开发：大致可以理解成单片机开发，主要用于对传感器执行器进行驱动设计以及对其控制进行封装。常见技术栈是STM32、Keil、C语言等； 大脑中间件开发：这里大厂小厂有了一些区分，小厂的话多数是基于开源框架进行二次开发，比如是在ROS2、OpenARM、OpenPilot等上边定制开发。而大厂的话会研发自己的中间件，用于替代上述提到的开源框架； 大脑大模型算法：这个就是在无数场合看到的最火也是最稀缺的算法开发岗，主要是做适配自己项目的模型设计、预训练、后训练、微调等内容，这块主要是以博士以及学术研发人员为主，可以类比于互联网的大模型算法岗； 大脑工程开发：即将上边算法人员设计好的模型部署到真机边缘端，并且调优到最佳性能。这个岗位需要既懂模型优化（量化、剪枝、TensorRT）又懂嵌入式系统（ROS、实时性、硬件约束），是算法和硬件之间的桥梁。可以类比为互联网公司的ML Engineer或MLOps，但要多一块嵌入式系统的技能树； 技术型产品岗：与客户沟通发现痛点、搜集市场需求，阅读并复现论文算法以把握技术动向，与开发交流实现技术落地和需求实现； 产品型产品岗：类似于传统互联网的产品岗，或者说大模型应用的产品岗，文科生居多，这个职位可能在较大的机器人公司才会有，创业公司可能还没到这个阶段； 机器人测试岗：又可区分为软件测试和硬件测试部分，同上可能只有较大的公司才会有这个岗，初创公司大部分由开发兼职就干了； 融资/战略岗：负责公司融资、投资人关系、政府关系等，早期公司通常由创始人亲自做，成长期可能设专门岗位。这部分对人的资源积累要求极高，不是靠短期学习能补齐的。 当对岗位也有了一定了解后，结合着自己所擅长的能力或者想发展的方向，就可以针对性去学习欠缺的知识了。当对岗位拆分够细，就会发现现有工作的知识很多是可以迁移过去继续使用的——假设之前是嵌入式开发工程师，那么去做机器人小脑开发非常的对口；假如之前是智驾里边做感知决策或者说端到端的，那么可以冲一把机器人的大脑大模型算法岗；如果是之前做传统开发的，那么去挑战一下大脑工程开发应该也是OK的。还有如果是之前做TPM或者智驾的系统工程师，去尝试下机器人的技术型产品岗，个人感觉还是挺有意思的，是一个需要综合能力比较强的岗位。 记录到这里终于算是告一段落了，希望我的经历能够帮助到你，也希望你能够留下你的反思和感悟啊。智驾转行机器人这个团体不大，之前是同行之后可能也还是同行，希望我们之后能够有机会相互交流，共同进步啊。

最近工作比较轻松，于是参加了一个很有意思的考试：网络预约出租汽车驾驶员考试资格认定，主要目的是为了来年作为进修用作个人所得税退税，一天时间的准备可以退回来几百元，就当作是做了一个兼职。这个考试的流程不复杂但是内容却挺有意思，尤其是区域科目几乎就是对于北京风俗地理人情最精华点的总结，我在北京生活了四年了很多我却完全不知道，或者有些隐约知道但是了解不清楚。趁着这次考试把一些有趣的点记录一下，就当作对于这个城市做一个深入了解吧，下边是我备考时候节选出来的题目： 雍和宫位于东城区（二）环雍和宫桥和小街桥之间南侧。 天坛公园位于南二环北侧，东侧有著名的（红桥市场）。 从东单路口向北至灯市口途经（协和医院）。 故宫太和殿，俗称（金銮殿）在故宫的中心部位，是故宫三大殿之一，是举行盛大典礼的地方。 北京菜市口百货股份有限公司（菜百总店）位于广安门（内）大街306号。 慕田峪长城，位于北京市（怀柔）区渤海镇慕田峪村，距北京城区73公里，享有”万里长城，慕田峪独秀”的美誉。 （宣武医院）位于广安门内大街和长椿街交汇处。 北京朝阳站位于姚家园路（北）侧。 北京丰台站位于丰台区（正阳大街）4号。 在南三环从分钟寺桥到洋桥要经过（刘家窑桥）。 十渡风景区位于北京市（房山）区西南，有着中国北方唯一一处大规模喀斯特岩溶的地貌。 京剧是地地道道的中国国粹，形成于北京，京剧已有近（200）年的历史。 中国中医科学院广安门医院位于二环广安门桥（东北）侧。 中国石油大厦位于二环（ 东直门）桥西北角。 位于二环路沿线的公园：龙潭湖公园 、大观园 、月坛公园。 驴打滚是北京传统小吃之一，以其独特的制作工艺和口感而著称。以（糯米）、红糖和黄豆粉为主要原料，经过蒸制、裹糖、滚黄豆粉等步骤制成。 相声，一种民间说唱曲艺。它以说，学，（逗），唱为形式。 中华人民共和国水利部位于西城区（白广路）二条2号。 中日友好医院位于（朝阳）区樱花东街。 中国棋院位于（东城区）天坛东路80号。 北京市的市树为（国槐）和侧柏。 十三陵景区位于北京（昌平）区北部天寿山麓。 两广大街是指（广安门至广渠门 ）之间直线距离的路段。 解放军总医院位于（五棵松桥东南侧）。 外交部位于二环路朝阳门桥（东南）侧。 三环路（太阳宫）桥可直接上京承高速。 北京市花是：月季花和（菊花）。 中国传媒大学位于朝阳区（定福庄）东街1号。 小说《骆驼祥子》的作者是（老舍）。 金融街在西二环路的（东）侧。 S3301京津高速起点是北京市五环路（化工桥）。 北京四合院是由东、西、（南）、北四面房子围合起来形成的内院式住宅。 牛街位于（西城）区，北起广安门内大街，南至南横街。 “北京榜样·京城的哥”文明品牌是”北京榜样”主题活动的子品牌，从（2020）年开始启动，每年度命名一批”北京榜样·京城的哥”。 中华世纪坛坐落在复兴路上，它的东侧紧邻（军事博物馆）。 景山公园位于北京市西城区景山西街44号，坐落在北京内城南北中轴线上，是俯瞰（故宫）全景与北京中轴线的最佳观赏区。 故宫是世界上现存规模最大、保存最为完整的（木制）结构古建筑群之一。 红螺寺位于（怀柔）区怀柔镇卢庄村，是中国北方佛教发祥地和最大的佛教丛林，有”南有普陀，北有红螺”之说。 北京南站位于南二环路（开阳桥）的东南方向。 平安国际金融中心位于东三环（燕莎桥）西北角。 北京饭店在（东长安街）北侧。 国家速滑馆又称为”冰丝带”，位于北京市朝阳区近奥林匹克公园林萃路2号。 国家发展和改革委员会位于三里河的月坛南侧。 北京协和医院是一所位于北京市东城区，集医疗、科研、教学为一体的大型综合医院。北京协和医院在中国乃至世界享有盛名。北京协和医院是中国最早承担外宾医疗任务的单位，医院专门设立外宾和高干门诊部，开设专门的高干、外宾、特需病区。 中国铁道博物馆，由正阳门展馆、东郊展馆、詹天佑纪念馆三个馆组成，是中国国家级专业铁路博物馆。 外交部位于朝外大街南侧。 北京市第四中学，是北京市首批示范性普通高中，高中部位于：北京市西城区西黄城根北街甲2号；初中部位于：北京市地安门西大街教场胡同4号。 北京汽车博物馆位于北京市丰台区南四环西路126号，是中国国家公益性汽车主题博物馆。 北京出租汽车车漆是双色的，其中中间的颜色叫”尊黄”。 人民艺术家老舍原名舒庆春，是北京满族人。

（这份随想记录于2026.02.23，最近在整理学习笔记时再次感觉枯燥的数据结构与算法竟然也能讲解这么有意义，于是二次整理准备发出来） 新年假期将数据结构与算法的主体内容复习完毕，之后每天做几题保持手感，便不再投入过多精力于LeetCode——终于，真正开始AI与机器人领域的学习了。 最后几天读到《排序算法》章末，颇受触动。这段文字将数学原理讲得通透，又不失幽默，且意涵早已超越算法本身，引人反观生活。 二分思想部分，”一尺之捶，日取其半，logn世竭”的化用让我想到：许多被奉为人生哲理的大道理，在数学家眼中不过是可推导的逻辑，并无神秘可言。这让那些听起来格外抚慰人心的华语骤然褪色——一切皆有章法。我想，数学家的孤独或许正源于此：身心灵的慰藉在此处失效，唯有逻辑冰冷而诚实地运转。 “治”的过程被比作《活着》里的那句话：”小鸡长大了就变成了鹅，鹅长大了，就变成了羊，羊再长大了，就变成了牛……”初读只觉无厘头，下一秒却像被什么戳中了——这不就是文学版的量变引起质变吗？所有的成长都不会浪费，只要持续积累，终会有一个奇点让过往悉数兑现。 后文的猴子排序听着荒诞，却真有严谨的数学家亲自实践。一本正经地做无厘头的事，严肃得好玩。至于睡眠排序，读完后我想：若我是老板，手下员工交出这等算法，我必深吸一口气告诉自己莫激动——问题终究是能解决的，无非慢些。员工既是我招的，他们能想出如此”优秀”的算法，也有我的一份”功劳”。 最后的奇迹排序像是全章的升华。时间复杂度为正无穷的算法，竟能被写进教材，其价值已上升到人生哲理的高度。作者总结：若只是等待、什么也不做，终将一事无成。但我觉得这解读稍嫌狭隘。正如猴子排序——等待够久，说不定宇宙射线就让内存bit位翻转、数据自愈了呢？真正上过班的人或许有类似体验：一个棘手的难题搁在那儿，过段时间竟自然而然消解了，或问题本身就不复存在了。这难道不是奇迹算法的某种应用？甚至，难题放久了，工作没了，或公司没了，算不算某种维度的”解决”？ 当然，最后这部分纯属开脑洞，当不得真。遇到问题，最优解仍是正面应对——就像我现在想换工作，虽然有了AI，虽然之后大部分是Vibe Coding，但是作为基本功测试必过在线测评，既然绕不开刷题，便坦然拥抱，将能做的事做到最好。与君共勉。 （排序算法章节内容节选，原文链接见文末） 归并排序： 总结起来，归并排序分成两步，一是拆分数组，二是合并数组，它是分治思想的典型应用。分治的意思是“分而治之”，分的时候体现了二分的思想，“一尺之棰，日取其半，logn 世竭”，治是一个滚雪球的过程，将 1 个数字组成的有序数组合并成一个包含 2 个数字的有序数组，再将 2 个数字组成的有序数组合并成包含 4 个数字的有序数组…如《活着》一书中的经典名句：“小鸡长大了就变成了鹅；鹅长大了，就变成了羊；羊再长大了，就变成了牛…” 猴子排序： 1913 年，法国数学家埃米尔·博雷尔出版了一本谈概率的书籍，其中介绍了「打字的猴子」概念，引发了「无限猴子定理」这个有趣的实验构想。 无限猴子定理：让一只猴子在打字机上随机地按键，当按键时间达到无穷时，几乎必然能够打出任何给定的文字，比如莎士比亚的全套著作。 这个理论说明「把一个很大但有限的数看成无限」的推论是错误的。猴子精确地通过键盘敲打出一部完整的作品发生的概率是极其低的，但并不是零。 2003 年，普利茅斯大学艺术媒体实验室课程的教师和学生使用 2,000 英镑津贴做了这个实验，结果打出了 5 张几乎全是S的纸，没有一个完整的句子。 无限猴子定理启发出了一个排序算法：把待排序的数组交给猴子，只要猴子不断地打乱数组，总会有一次排序成功！这个算法被称为猴子排序，英文名是 bogo-sort（英文名源于 Quantum bogodynamics）。其中，可以使用「快速排序」章节中介绍的洗牌算法来打乱数组。 Random random = new Random(); private void bogoSort(int[] arr) { while (true) { if (isAscendingSorted(arr)) break; shuffle(arr); } } public