找SLAM感測器融合方向的工作需要達到什麼水平？
大家在準備招聘中會遇到各種問題，我們整理一下大家可能最關注的一個問題，做了一下整理回答：
」
深藍學院邀請「白巧克力」賀一家博士對該問題進行了回答，同時結合學院與諸多企業合作過程中了解到的資訊，展開陳述一下。
1.學校背景是否是該領域演算法崗的必要條件？
近期，學院又一位雙非高校的優秀學員（本科碩士都是雙非），拿到了中國機器人領域獨角獸企業offer，薪資還不錯。雙非高校的學生找到心儀演算法崗的案例，已經很多了。雖然學校背景依然是企業較為看重的，但現在已不是必要條件了，因此，雙非高校的同學不要氣餒，名校的同學也不要大意。
其中原因之一是，關於SLAM以及多感測器融合等方向，大部分科班的同學所在的實驗室並沒有特別深厚的積累和傳承（中國在這個領域做得深入的實驗室屈指可數），往往是導師安排了這個科研方向，但導師並不熟悉，只能自己自學，這一點上雙非與名校沒有太大區別。深藍學院的同學中有很多來自中國頂級名校以及國外留學的中國學生，也側面驗證了上述現象。
再者，現在相關的線上課程、部落格、書籍等，較為豐富了，相比於4年前，大大降低了該領域的入門門檻。即使雙非高校的同學，只要基礎知識紮實、專業知識過硬、編程能力出色、有敢於直面問題的勇氣以及解決問題的能力，還是非常受企業歡迎的。
2. 企業是如何從領域專業的層面將該領域候選人分檔的？
企業HR通過層層面試，會將候選人進行分檔，優先將offer給最高檔的候選人，有些中間檔的候選人並不能直接拿到offer，而是先要求去實習（有轉正機會），低檔候選人是直接被拒的。那麼問題來了，站在招聘側的角度，是如何對求職側的候選人進行分檔的呢？
（1）A+ 類，候選人理論基礎非常紮實，在 SLAM 的某個領域有所建樹，做的項目非常 solid（上線過項目、提升過某 SLAM 系統的性能、發過高峰會論文）, 企業本身也亟需這類技術。這類人通常稱為 ” offer 收割機”。
（2） A 類，候選人理論基礎非常紮實，基於某些 SLAM 框架做過深度開發和改進，知識面豐富且程式碼能力不錯，能快速介入項目。這類候選人應該能進入各類大廠。
（3）B+類，候選人理論基礎紮實，熟悉各類開源 SLAM 框架（如 ORB-SLAM, VINS等），程式碼能力還行，給予一定指導後能快速承擔 SLAM 模組的獨立開發。這類候選人能進入一些大廠或明星創業企業。
（4）B 類，候選人理論基礎還行，熟悉某個開源框架，程式碼一般，需要一定的時間才能上手項目。這類候選人往往會被拒掉，運氣好一些的話，可能有機會進入小廠。
3. 除了硬實力，企業還看重候選人哪些軟實力？
（1）邏輯思維清晰，面試過程中表達調理清楚。做項目的動機明確，解決什麼問題，提出什麼方法，取得了什麼結果。
（2）良好的品格，踏實且努力，友善且真誠。
4. 不停地自我升級
剛才提到，這個領域的入門門檻在降低，絕大部分合格的候選人都已經有良好的理論知識，也熟悉某個開源框架了。如果我們想要在這個領域脫穎而出，需要比別人更進一步，多一些實際操作或理論積累，這不僅僅是你學習某個兩年前已有的框架，而是去復現論文，提升已有框架並應用框架。具體的：
（1）多感測器融合類：VIO 理論以及熟悉一套開源框架是基礎，我們還應該熟悉最新的論文以及實際動手做一些項目，改進某個程式碼。如最近的 IROS 和 ICRA 目前都在做基於 Visual-Inertial-Odometery 或者 visual-inertial-gnss 等多感測器的融合，不再僅僅是 visual-inertial。
（2）深度學習類：基於深度學習的影像閉環、特徵提取和匹配、深度估計等。熟悉 superpoint, hf-net, monodepth2, d3vo等最新的研究，自己動手復現論文或改進開源程式碼。
小夥伴們！
