1. 必须熟悉 DDPG 、 PPO 、 TD3 、 SAC 等算法的原理和区别。 这四种算法是连续控制（如机器人控制）中最常用的深度强化学习算法。 PPO (Proximal Policy Optimization)   原理：PPO是一种同策略（On-policy）的策略梯度算法。它使用截断（Clipping）机制限制新旧策略的更新步长，防止策略更新“翻车”。   核心公式：    数值计算示例： 假设在时间步 ，GAE计算出的优势函数 （正数，说明这个动作很好）。 设定截断超参数 。 如果新网络过于激进，导致新旧策略概率比 （新策略采用该动作的概率是旧策略的1.5倍）：   原始目标： ...

1. 为什么选择这个方法？是否尝试过其他 Baseline？效果对比如何？ 回答范例与解析（以选择 SAC 算法为例）： 在我的机械臂抓取项目中，我最终选择了**柔性动作评价（Soft Actor-Critic, SAC）**算法。   尝试过的 Baseline：  DDPG (Deep Deterministic Policy Gradient)：由于是确定性策略，在具身连续控制中探索能力极差，极易陷入局部最优。 PPO (Proximal Policy Optimization)：虽然稳定，但作为 On-policy 算法，样本效率（Sample Efficiency）太低，在真实机械臂...

一、 研究方法论与工程实践 在技术面试中，针对论文和项目的挖掘通常聚焦于逻辑闭环与工程落地。 1. 论文深挖要点  研究动机（Motivation）： 明确为什么选择该方案。例如，在动作生成策略中，单步生成（Single-step）相比多步自回归（Autoregressive）在实时控制中的延迟优势。 消融实验（Ablation Study）： 验证每个模块的有效性。 安全与鲁棒性： 如 VLA（视觉-语言-动作）模型面对对抗性攻击（如 Backdoor attacks）时的防御机制与数据构建。 学术质疑准备： 预演关于 Baseline 选取、泛化边界及 Sim-to-Real 损耗的回答。...

面试官背景为 NTU 博士、传统控制出身，问询极细，按项目维度拆解如下： 1. 强化学习规划项目  数据获取： 仿真数据集是如何获得的？ 算法鲁棒性： 是否会出现陷入局部最优的情况（如死胡同无法脱困）？ 仿真建模： Gazebo 仿真中为什么要选择使用差动模型（Differential Model）？  2. VLN（视觉语言导航）项目  技术实现： 三维重映射（3D Remapping）的具体实现方案。 性能评估： 实际运行效果如何？ 实机部署： 模型是否支持在真实机器人硬件上运行？如果可以，推理/运行速度表现如何？  3. 机器人操作项目  全身控制（WBC）： WBC 具体实现了哪些任务...

一面（50分钟）技术面1、介绍视频采集项目，PCIE传输。分辨率、传输速率、带宽计算、PCIE Endpoint实现、优化、调试遇到的问题。一些模块会问是调IP核还是手搓，手搓介绍设计思路2、PCIE分层协议，简述传输过程，TLP包3、为啥PCIE带宽没跑满？可能有什么原因4、异步FIFO实现思路5、时序问题一般怎么解决，有什么心得体会6、FPGA底层资源有哪些

1.自我介绍2.什么渠道了解的他们公司，公司吸引我的地方有哪些3.简单聊一下意向工作地4.是否对行业薪酬做过评估，意向薪资大概多少5.根据项目，介绍如何学习新知识，以及在电路设计、算法设计上的能力6.介绍一段近两年的经历，关于如何调动不同队员的积极性，完成一项工作，取得了什么样的成果7.介绍一下遇到的最有挑战性的难题，如何解决的，达到了什么样的效果

看到 in-order traversal 还愣了一下，原来是中序遍历