中文具身智能（Embodied AI）面试题库 · 公开面经选题，另有明确标识的非面经前沿拓展 A Chinese-language interview question bank for Embodied-AI engineering roles (VLA / IL / RL / World Models / Engineering).
👉 https://winstonjq.github.io/embodied-interview-qa/
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）。
🔥 前沿拓展：卷九收录 Jev／RoboJEV、Astra＋VLA、具身 Agent／Harness 与 RSI 等近期关注方向，明确标注为非面经学习题。
下方截图为历史界面示例，题目与统计以在线题库为准。
 主册 · 上半部（hero + 五卷目录） |
 主册 · 下半部（标签速查 + 使用方式） |
 卷子页 · 左侧 TOC + 「← 返回主册」 |
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。
 手机端主册 · 浏览器直接打开 · 无需 app |
 默认折叠 · 只看题目 · 自己先想答案 |
 点开看答案 · 含表格、易错点 |
具身智能面试涉及 VLA、模仿学习、控制、感知导航与工程系统，公开面经分散在多个平台。本项目按九卷组织复习范围；普通题提供精简答案和“易错”，手撕题保留实现。
面经题以可定位原问的公开经历为依据。论文和官方文档用于核对答案，不能替代面经证明某题被问过。卷九收录 F 编号的前沿学习问答，清楚标为非面经且不计频次。新增实录保留岗位限定：机器人企业的平台、前端或数据岗位，不能直接视作机器人策略算法岗。
| 卷 | 主题 | 题数 | 一句话 |
|---|---|---|---|
| 一 | 通识基础（含 §H 手撕） | 55 | DL 基本盘 + RL 入门 + 机器人学 + 手撕（Attention / LayerNorm / Bellman / VAE ELBO） |
| 二 | RL 算法（含 §H 手撕） | 50 | PPO / SAC / TD3 / 离线 RL / RLHF + 手撕（PPO clipped / GAE / DPO / GRPO 核心公式） |
| 三 | VLA / 模仿学习（含 §H 手撕） | 77 | OpenVLA / π 系列 / Diffusion Policy + Flow Matching + 手撕（BC / DP 训练 step / ACT chunking / CLIP InfoNCE） |
| 四 | 世界模型 / Sim2Real | 31 | Dreamer / V-JEPA / 域随机化 / Isaac Lab，人形和四足公司重点 |
| 五 | 工程落地（含 §H 手撕） | 62 | VLA 部署 / FSDP / teleop 数据飞轮 / Agent 与 Harness 平台实录 + 手撕（数值稳定 softmax / CE / KL / Adam） |
| 六 | 腿足机器人控制 / 遥操作（含 §H 手撕） | 55 | 浮动基座、MPC / WBC、RL-locomotion、AVP teleop、HumanPlus、actuator network sim2real + 手撕（PID / KF / EKF / LQR / 四元数 / IK / 互补滤波 / DH / MPC QP） |
| 七 | 3D 感知 / SLAM / VLN / ObjectNav / Embodied VLM（含 §H 手撕） | 67 | 点云 / NeRF / SLAM / Nav2 / HAMT / NaVid / VLFM / SAM 2 + 手撕（IoU / NMS / BFS·DFS / A* / ViT patch） |
| 八 | 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 / 自动驾驶岗通用） |
| 九 | 🔥 近期热门方向与前沿题目 | 8 | Jev / RoboJEV / Astra 机械臂与 VLA / 具身 Agent 与 Harness / RSI；非面经拓展 |
目录口径为非 N 备选 445 题（其中 437 道原有/实录题、8 道非面经拓展），另有 19 题 N 备选，合计 464 个问答条目。其中手撕题共 84 题：卷一至七共 54 题，卷八 30 题；卷八另有 10 道系统设计题。目录数字不是“高频题总数”。
- 2026-10-19：新增 18 道有公开题源的低频实录，修订 47 道旧答案；新增卷九 · 🔥 近期热门方向与前沿题目，收录 Jev／RoboJEV、Astra＋VLA、具身 Agent／Harness 与 RSI 等 8 道非面经学习题，并纠正部分历史频次展示。
- 2026-07-11：参考 CSDN 帖《具身智能VLA面经总结（小鸡毛版）》及近期 VLA 面经趋势，补充数据链路、时间同步、真机排障、LoRA / PEFT、Flow Matching 等更贴近近期面试的问题。
- 2026-06-06：修复 Markdown 到 HTML 的公式与表格转义问题，保证变量、公式和表格能稳定渲染。
- 2026-05-22：补齐八卷主体内容，并加入手撕代码题，覆盖深度学习、强化学习、VLA / IL、工程部署、感知导航和系统设计。
- 2026-05-21：重构为多卷面试题库，参考牛客、知乎、CSDN、GitHub 公开面经等来源，按"同义题合并、频次优先"筛选主表题。
- 2026-05-20：项目初始化，开始从公开面经与学习资料中整理具身智能面试知识框架。
- 🔥 频次分层：旧 🔥 沿用历史统计，本轮未全面重核；新高频须有至少三份独立面经，一至两份标“低频实录”。同一候选人同公司多轮、转载和镜像合并计数
- 🔥 近期热门方向：卷九标题的火苗表示近期关注主题，不代表企业面试频次或量化热度排名。
- 📚 前沿拓展：F 编号和“前沿拓展·非面经”标签表示依据技术资料整理的学习题，面经频次为 0，不称企业真题
- ✏️ 短答案：普通题目标为 ≤350 字精简答案 + “易错”；手撕题单列，包含代码
- 📱 折叠交互：默认全部折起只看题目，点击展开答案；基于 HTML5
<details>原生折叠，零 JS，手机端无需任何 app - 🔍 来源可查：题目下方提供原始面经或论文、官方技术资料链接，便于核对适用范围
- 🏷️ 难度标签：L1 必会 · L2 进阶 · L3 顶级 lab，方便按层次规划复习
- 🏢 按主题组织：新题的题源注记保留公司、岗位和日期确定性，避免把平台岗问法泛化到算法岗
- 首次浏览：直接点开在线题库，挑你最关心的方向（VLA / RL / 工程落地……）
- 复习顺序：按 L1 → L2 → L3，同等级内按频次（🔥×N）从高到低
- 手机端：地铁公交也能刷，HTML5 折叠原生支持，无需任何 app
- 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
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。
如果你在面试中真的被考到了里面的题，欢迎来 Issue 留言或私信——这是后续频次更新的一手依据。
发现答案错误、想补新题、想质疑某条结论——都欢迎 开 Issue 或 提 PR。
贡献新题的简单格式（在对应卷的 Markdown 末尾追加即可）：
<details class="qa">
<summary><span class="lv lv-l2">L2</span> <span class="freq">低频实录·1源</span> <b>Q??</b> · 你的题目？</summary>
**答**：精简答案（≤350 字）。
**易错**：一句话点关键陷阱。
**题源 / 核验**：[原始面经](原帖链接)，公司与岗位，面试日期；年份不明时明确注明。另列核答案所用论文或官方文档。
</details>或者直接在 issue 里描述题目 + 来源（哪个平台 / 帖子链接），维护者负责合并到对应卷。
贡献题源要求：提供能读取正文、定位具体原问的原始公开面经。汇编或 GitHub 列表应追溯原帖；教程、招聘要求与论文不能计面经频次。不得提交个人猜测的“我觉得会考”题。
HTML 渲染脚本参考 ARIS · Auto-claude-code-research-in-sleep。
MIT — 自由使用、修改、再分发。
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。