[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-80951":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":17,"stars7d":18,"stars30d":19,"stars90d":16,"forks30d":16,"starsTrendScore":20,"compositeScore":21,"rankGlobal":10,"rankLanguage":10,"license":22,"archived":23,"fork":23,"defaultBranch":24,"hasWiki":25,"hasPages":25,"topics":26,"createdAt":10,"pushedAt":10,"updatedAt":27,"readmeContent":28,"aiSummary":29,"trendingCount":16,"starSnapshotCount":16,"syncStatus":17,"lastSyncTime":30,"discoverSource":31},80951,"embodied-interview-qa","WinstonJQ\u002Fembodied-interview-qa","WinstonJQ","具身智能高频面试题库","https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002F",null,"Python",53,4,31,1,0,2,16,22,11,56.3,"Other",false,"master",true,[],"2026-06-12 04:01:31","# 具身智能高频面试题库\n\n> 中文具身智能（Embodied AI）秋招高频面试题库 · 题目来自公开面经，频次合并后入卷，每题答案经独立 AI 二次审查  \n> *A Chinese-language interview question bank for Embodied-AI engineering roles (VLA \u002F IL \u002F RL \u002F World Models \u002F Engineering).*\n\n[![GitHub Pages](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGitHub%20Pages-Live-2ea44f?logo=github)](https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002F)\n[![License: MIT](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MIT-blue.svg)](LICENSE)\n[![PRs Welcome](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPRs-welcome-brightgreen.svg)](https:\u002F\u002Fgithub.com\u002FWinstonJQ\u002Fembodied-interview-qa\u002Fpulls)\n[![Stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FWinstonJQ\u002Fembodied-interview-qa?style=social)](https:\u002F\u002Fgithub.com\u002FWinstonJQ\u002Fembodied-interview-qa\u002Fstargazers)\n\n---\n\n## 📖 在线阅读\n\n**👉 \u003Chttps:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002F>**\n\n打开网页直接看；默认全部折叠，点击题目展开答案；手机端原生支持（地铁公交都能刷）。\n\n### 🖥️ 桌面端预览\n\n\u003Ctable>\n  \u003Ctr>\n    \u003Ctd width=\"33%\" align=\"center\" valign=\"top\">\n      \u003Cimg src=\"images\u002Fcomputer_page_overview_01.png\" alt=\"桌面端主册上半\">\u003Cbr>\n      \u003Csub>\u003Cem>主册 · 上半部（hero + 五卷目录）\u003C\u002Fem>\u003C\u002Fsub>\n    \u003C\u002Ftd>\n    \u003Ctd width=\"33%\" align=\"center\" valign=\"top\">\n      \u003Cimg src=\"images\u002Fcomputer_page_overview_02.png\" alt=\"桌面端主册下半\">\u003Cbr>\n      \u003Csub>\u003Cem>主册 · 下半部（标签速查 + 使用方式）\u003C\u002Fem>\u003C\u002Fsub>\n    \u003C\u002Ftd>\n    \u003Ctd width=\"33%\" align=\"center\" valign=\"top\">\n      \u003Cimg src=\"images\u002Fcomputer_page_overview_03.png\" alt=\"桌面端卷子页\">\u003Cbr>\n      \u003Csub>\u003Cem>卷子页 · 左侧 TOC + 「← 返回主册」\u003C\u002Fem>\u003C\u002Fsub>\n    \u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n\n### 📱 手机端预览 · 默认折叠 = 自测 + 复盘\n\n看到题目先在脑子里答一遍，答不上来再点开对答案——折叠交互天然就是一种**自测玩法**。\n\n\u003Ctable>\n  \u003Ctr>\n    \u003Ctd width=\"33%\" align=\"center\" valign=\"top\">\n      \u003Cimg src=\"images\u002Fmobile_page_overview_01.jpeg\" alt=\"手机端主册\">\u003Cbr>\n      \u003Csub>\u003Cem>手机端主册 · 浏览器直接打开 · 无需 app\u003C\u002Fem>\u003C\u002Fsub>\n    \u003C\u002Ftd>\n    \u003Ctd width=\"33%\" align=\"center\" valign=\"top\">\n      \u003Cimg src=\"images\u002Fmobile_page_overview_02.jpeg\" alt=\"题目折叠态\">\u003Cbr>\n      \u003Csub>\u003Cem>默认折叠 · 只看题目 · 自己先想答案\u003C\u002Fem>\u003C\u002Fsub>\n    \u003C\u002Ftd>\n    \u003Ctd width=\"33%\" align=\"center\" valign=\"top\">\n      \u003Cimg src=\"images\u002Fmobile_page_overview_03.jpeg\" alt=\"题目展开态\">\u003Cbr>\n      \u003Csub>\u003Cem>点开看答案 · 含表格、易错点\u003C\u002Fem>\u003C\u002Fsub>\n    \u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n## 这是什么\n\n2024-2026 是具身智能（Embodied AI）行业的窗口期——VLA、人形、四足、灵巧操作算法岗的招聘量井喷，但**面试题源散乱在牛客、知乎、小红书、一亩三分地等多个平台**，没有一个专门针对这一方向、可在手机上随时翻的题库。\n\n本项目把公开面经里**真实被反复问到的题目**整理成七卷，每题给出 **≤350 字的精简答案 + \"易错\"一句**——面试前 30 分钟过一遍补盲区，不是看长篇教程的时机。\n\n---\n\n## 八卷目录\n\n| 卷 | 主题 | 题数 | 一句话 |\n|---|---|---:|---|\n| [一](https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002Finterviews\u002F01_basics.html) | **通识基础**（含 §H 手撕） | 54 | DL 基本盘 + RL 入门 + 机器人学 + 手撕（Attention \u002F LayerNorm \u002F Bellman \u002F VAE ELBO） |\n| [二](https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002Finterviews\u002F02_rl_algo.html) | **RL 算法**（含 §H 手撕） | 50 | PPO \u002F SAC \u002F TD3 \u002F 离线 RL \u002F RLHF + 手撕（PPO clipped \u002F GAE \u002F DPO \u002F GRPO 核心公式） |\n| [三](https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002Finterviews\u002F03_vla_il.html) | **VLA \u002F 模仿学习**（含 §H 手撕） | 66 | OpenVLA \u002F π 系列 \u002F Diffusion Policy + 手撕（BC \u002F DP 训练 step \u002F ACT chunking \u002F CLIP InfoNCE） |\n| [四](https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002Finterviews\u002F04_world_sim.html) | **世界模型 \u002F Sim2Real** | 31 | Dreamer \u002F V-JEPA \u002F 域随机化 \u002F Isaac Lab，人形和四足公司重点 |\n| [五](https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002Finterviews\u002F05_engineering.html) | **工程落地**（含 §H 手撕） | 47 | VLA 部署 \u002F FSDP \u002F teleop 数据飞轮 + 手撕（数值稳定 softmax \u002F CE \u002F KL \u002F Adam） |\n| [六](https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002Finterviews\u002F06_legged_control.html) | **腿足机器人控制 \u002F 遥操作**（含 §H 手撕） | 58 | 浮动基座、MPC \u002F WBC、RL-locomotion、AVP teleop、HumanPlus、actuator network sim2real + 手撕（PID \u002F KF \u002F EKF \u002F LQR \u002F 四元数 \u002F IK \u002F 互补滤波 \u002F DH \u002F MPC QP） |\n| [七](https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002Finterviews\u002F07_perception_nav.html) | **3D 感知 \u002F SLAM \u002F VLN \u002F ObjectNav \u002F Embodied VLM**（含 §H 手撕） | 67 | 点云 \u002F NeRF \u002F SLAM \u002F Nav2 \u002F HAMT \u002F NaVid \u002F VLFM \u002F SAM 2 + 手撕（IoU \u002F NMS \u002F BFS·DFS \u002F A* \u002F ViT patch） |\n| [八](https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002Finterviews\u002F08_coding_systemdesign.html) | **通用工程：LeetCode + 系统设计** | 40 | LeetCode 高频 30 题 + ML 系统设计 5 + 机器人系统设计 5（所有具身 \u002F 自动驾驶岗通用） |\n\n**主表共 413 题**，另含 ~19 题低频备选（每卷末单列）。**新增 §H 手撕代码**散布在卷一\u002F二\u002F三\u002F五\u002F六\u002F七（共 53 题），**新增第八卷**专攻 LeetCode 与系统设计（40 题）。\n\n---\n\n## 特点\n\n- 🔥 **频次驱动**：题目来自牛客、知乎、小红书、一亩三分地、GitHub 公开面经，同义题合并后**频次 ≥3 才入主表**，杜绝单条噪声面经污染\n- ✏️ **短答案**：每题 ≤350 字精简答案 + \"易错\"一句，面试前快速过；不写公式推导和代码块（要深入学习另找资源）\n- 📱 **折叠交互**：默认全部折起只看题目，点击展开答案；基于 HTML5 `\u003Cdetails>` 原生折叠，零 JS，手机端无需任何 app\n- 🔍 **跨模型审查**：每题答案经**另一组独立 AI**二次审查（执行者 ≠ 审查者），减少单一模型的事实错误\n- 🏷️ **难度标签**：L1 必会 · L2 进阶 · L3 顶级 lab，方便按层次规划复习\n- 🏢 **不分公司**：题目按技术主题组织，不打公司标签——同一道题可能在多家面试出现\n\n---\n\n## 使用建议\n\n1. **首次浏览**：直接点开[在线题库](https:\u002F\u002Fwinstonjq.github.io\u002Fembodied-interview-qa\u002F)，挑你最关心的方向（VLA \u002F RL \u002F 工程落地……）\n2. **复习顺序**：按 L1 → L2 → L3，同等级内按频次（🔥×N）从高到低\n3. **手机端**：地铁公交也能刷，HTML5 折叠原生支持，无需任何 app\n4. **快速过场**：面试前 30 分钟，只看每题的\"易错\"一句，刷过的题快速复盘\n\n---\n\n## ⭐ 觉得有用？\n\n**点个 Star 是对维护者最大的鼓励** —— 也能让算法群里其他在找具身岗的同学更容易发现这个题库。\n\n如果你在面试中真的被考到了里面的题，欢迎来 [Issue](https:\u002F\u002Fgithub.com\u002FWinstonJQ\u002Fembodied-interview-qa\u002Fissues) 留言或私信——这是后续频次更新的一手依据。\n\n---\n\n## 贡献\n\n发现答案错误、想补新题、想质疑某条结论——都欢迎 [开 Issue](https:\u002F\u002Fgithub.com\u002FWinstonJQ\u002Fembodied-interview-qa\u002Fissues) 或 [提 PR](https:\u002F\u002Fgithub.com\u002FWinstonJQ\u002Fembodied-interview-qa\u002Fpulls)。\n\n**贡献新题的简单格式**（在对应卷的 Markdown 末尾追加即可）：\n\n````markdown\n\u003Cdetails class=\"qa\">\n\u003Csummary>\u003Cspan class=\"lv lv-l2\">L2\u003C\u002Fspan> \u003Cspan class=\"freq\">🔥×N\u003C\u002Fspan> \u003Cb>Q??\u003C\u002Fb> · 你的题目？\u003C\u002Fsummary>\n\n**答**：精简答案（≤350 字）。\n\n**易错**：一句话点关键陷阱。\n\n\u003C\u002Fdetails>\n````\n\n或者直接在 issue 里描述题目 + 来源（哪个平台 \u002F 帖子链接），维护者负责合并到对应卷。\n\n**贡献题源要求**：必须来自**公开面经**（牛客 \u002F 知乎 \u002F 小红书 \u002F 一亩三分地 \u002F GitHub awesome-* 等），不接受个人编造的\"我觉得会考\"题——这条规则是题库可信度的基石。\n\n---\n\n## 项目幕后 · Vibe Coding 实战记录\n\n本项目本身就是一次完整的 **vibe coding** 实践案例——7 卷题库的题源调研、答案起草、跨模型审查、HTML 渲染、Git 发布**全部在维护者睡眠期间由 AI agent 自动完成**。维护者醒来只做最终验收和文案微调。\n\n**调度模式**：\n\n- 主控 Claude Code（Opus 4.7 · 1M context）串行派遣多个 subagent，每个 agent 独立完成 1 卷的完整 7 阶段工作流（调研 → 起草 → 跨模型审查 → 渲染 → 发布）；当前已完成 7 卷题库\n- 每个 agent 在 fresh context 里工作，互不污染——避免了\"长上下文导致质量衰退\"和\"需要手动 \u002Fclear\"两个痛点\n- 跨模型审查由独立的 Codex（GPT-5.5 xhigh）通过 MCP 协议完成，每轮 fresh-thread，多轮收敛\n- 执行者（Claude）≠ 审查者（GPT-5.5），是题库可信度的核心不变量\n\n**展示的工程实践**：\n\n- **Multi-agent 编排**：subagent prompt 自包含、status code 协议（DONE \u002F WARN \u002F FAIL \u002F BLOCKED）、用户审批回退路径\n- **跨模型协作 via MCP**：Codex MCP server 集成、`sandbox=read-only` + `approval-policy=never` 双权限层、隐私脱敏 banlist 硬编码在审查 prompt\n- **内容质量 SLO**：频次合并阈值（≥3 入主表）、字数 PASS\u002FWARN\u002FFAIL 阈值、强制收尾的容错策略（>7 轮无收敛即推当前最佳版本，避免单卷阻塞全局）\n- **经验沉淀回流**：每完成一卷的实战教训写回 [`CLAUDE.md`](CLAUDE.md) §11，下卷自动继承——形成可复用、可演化的 prompt 流程\n\n**致谢**：本项目的\"睡眠期自动化研究\"流水线灵感和 HTML 渲染脚本来自 [**ARIS · Auto-claude-code-research-in-sleep**](https:\u002F\u002Fgithub.com\u002Fwanshuiyin\u002FAuto-claude-code-research-in-sleep) —— 一个把 Claude Code 用作\"研究协作 AI\"的开源项目，感谢其提供的核心思路。\n\n如果你对\"AI 写 + AI 审 + 自动发布\"这种 pipeline 感兴趣，欢迎 fork 改造成其他方向题库（金融 \u002F 后端 \u002F 系统设计 \u002F 算法 …），MIT 自由。\n\n---\n\n## License\n\n[MIT](LICENSE) — 自由使用、修改、再分发。\n\n如果在你的项目里引用了本题库的内容，**给本仓库点个 ⭐ Star 是最好的引用方式**。\n","该项目是一个具身智能（Embodied AI）高频面试题库，旨在帮助求职者准备相关领域的技术面试。它收集了来自多个公开平台的真实面试题目，并经过AI二次审查确保答案质量，涵盖深度学习、强化学习、机器人学等关键知识点。项目以Python语言编写，支持桌面和移动端访问，提供良好的自测体验。适用于即将参加具身智能领域职位面试的工程师，特别是在视觉语言动作（VLA）、模仿学习（IL）、强化学习（RL）等方面寻找工作的候选人。","2026-06-11 04:02:58","CREATED_QUERY"]