挑战腾讯Robotics X多模态感知工程师面试，视觉+触觉融合才是硬核考点

上篇腾讯Robotics X的面经反响不错，这篇继续——腾讯Robotics X的多模态感知工程师面试。有个朋友前阵子去面了，回来跟我吐槽说面试官追问—视觉+触觉融合追问了半小时。我听完觉得这些问题确实问得好，值得拆开来聊聊。

深度估计：腾讯Robotics X为什么重点考这个

腾讯Robotics X的多模态感知工程师面试，深度估计几乎是必考项。这跟他们产品线的技术需求直接相关——Max/Ollie对深度估计的要求很高。

面试官问：“单目深度估计在机器人上能用吗？”

单目深度估计（如MiDaS、Depth Anything）在机器人上可以用，但精度不够做导航——绝对误差可能有10-20%。更适合做语义级理解（哪个区域近、哪个远），而不是精确的障碍物距离测量。我们的做法是单目深度做粗略场景理解，激光/ToF做精确测距，两者互补。

然后问了一个更深的：“这个方法跟XX方案比，什么场景下选哪个？”

实际工程中最常见的坑是参数调优。理论方案很完美，但一到实机就会发现各种边界条件——比如传感器噪声、通信延迟、模型误差。我的做法是先在仿真里验证算法逻辑，再在实机上做参数辨识和微调。

有个细节面试官可能不会明说但很在意——你对深度估计的理解是停留在论文层面还是有工程落地经验。能说出具体参数和踩坑经历的，加分很明显。

SLAM：腾讯Robotics X为什么重点考这个

腾讯Robotics X的多模态感知工程师面试，SLAM几乎是必考项。这跟他们产品线的技术需求直接相关——Max/Ollie对SLAM的要求很高。

面试官问：“激光SLAM和视觉SLAM各有什么优缺点？”