侧重SLAM与视觉识别，核心要求围绕算法能力、工程落地、机器人领域认知三大维度，具体可拆解为以下4点：

1. 核心技术能力（硬技能）

- SLAM算法：熟练掌握至少1种主流SLAM框架（如GTSAM、ORB-SLAM3、Cartographer），能独立完成建图、定位、回环检测的调试与优化，了解激光SLAM（2D/3D）、视觉SLAM（单目/双目/RGB-D）的适用场景与差异。
- 视觉识别技术：精通深度学习视觉算法，包括目标检测（YOLO、Faster R-CNN）、语义分割（Mask R-CNN、UNet），能解决机器人场景下的遮挡、光照变化、实时性问题，熟悉OpenCV、PyTorch/TensorFlow等工具。
- 数学与算法基础：扎实的线性代数（矩阵运算、坐标变换）、概率论（滤波、贝叶斯估计）、数值优化（梯度下降、非线性最小二乘）基础，了解路径规划（A*、Dijkstra）、运动控制（PID、模型预测控制）相关算法。

2. 工程实践能力

- 熟练使用C++/Python（机器人算法核心开发语言），具备Linux系统开发经验，能基于ROS（Noetic/Melodic）或ROS 2进行算法模块开发、节点通信与调试。
- 有硬件联调经验，能适配激光雷达、深度相机（如Kinect、Realsense）、IMU等传感器，解决传感器标定、数据同步、噪声抑制等问题。
- 具备算法优化能力，能通过Profiler工具定位性能瓶颈，实现算法的实时性（如满足机器人10Hz以上建图/识别频率）与资源占用控制。

3. 项目与经验要求

- 有移动机器人相关项目经验（如AGV、服务机器人、自主导航小车），需能独立负责SLAM建图或视觉识别模块的设计、开发与落地，有完整项目闭环经验者优先。
- 若有开源项目贡献（如SLAM框架二次开发、视觉算法改进）或顶会论文（如ICRA、IROS、ECCV），可作为核心竞争力加分项。

4. 软实力与认知

- 理解移动机器人的实际应用场景（如工业仓储、家庭服务），能将算法需求与业务目标结合（如建图精度需满足厘米级、视觉识别准确率需达95%以上）。
- 具备问题排查能力，能快速定位算法失效原因（如SLAM漂移、识别漏检），并有清晰的解决方案；良好的沟通能力，能与硬件、软件团队协同推进项目。