具身智能VLA面经总结（小鸡毛版）

VLA / 具身智能 面试面经整理 持续更新中 | 内容量充足后将模块化重构为一篇独立博客 特别感谢每一位无私分享面经的朋友每条面经均附注来源。如作者不愿被收录请联系我删除。平台分享类个人面经帖→ 链接归类于文末 面经来源系统性八股作者完整系列/专栏→ 单独署名列出文章目录VLA / 具身智能 面试面经整理一、项目深挖1.1 数据采集与数据链路1.2 模型架构与设计1.3 训练与评测1.4 推理与部署1.5 开放性问题二、模型原理2.1 具身模型架构对比2.2 注意力机制2.3 Action Decoder / 动作解码2.4 Diffusion Flow Matching2.5 强化学习三、ML/DL 基础八股3.1 Transformer / Attention3.2 VLM / ViT / 多模态3.3 归一化3.4 训练与推理优化3.5 大模型训练工程四、CS 基础 机器人学4.1 CS 基础4.2 机器人学基础五、手撕代码六、行为面试 / 技术视野七、面经来源小红书一、项目深挖1.1 数据采集与数据链路#问题难度1数据集是如何采集、预处理并接入训练流程的整个数据链路是怎样的⭐⭐⭐2数据是怎么采集的具体采集了哪些信息图像、关节角、力控……⭐⭐3你们用的 VR 品牌是什么为什么选它⭐4相机是几个分别安装在什么位置⭐5机器人状态具体包含哪些信息⭐⭐6时间对齐是怎么做的你们的时间同步以什么为基准⭐⭐⭐7不同频率的数据如相机 30Hz 关节 100Hz是怎么对齐的⭐⭐⭐8为什么要做时间同步解决什么问题不做会怎样⭐⭐⭐9异常值是怎么处理的检测与清洗策略⭐⭐10数据归一化具体是怎么做的为什么要做归一化不做会怎样⭐⭐⭐11数采原理和方式遥操作 / 示教 / VR / 模仿学习等各自优缺点⭐⭐12RTCReal-Time Control有没有做过如何实现⭐⭐⭐13模型预训练用了哪些开源数据如何做数据配比与清洗⭐⭐14数据采集时光照变化如何影响模型结果如何解决光照泛化问题⭐⭐⭐15RTC 原理及重要参数T 周期和 S 周期的关系参数如何计算取值⭐⭐⭐16如何获得高质量的思考-行为类数据给 LLM 训练⭐⭐⭐⭐17如何评估 LLM 生成的数据的质量有哪些评估维度⭐⭐⭐1.2 模型架构与设计#问题难度1介绍你用过的模型的整体框架与流程输入输出分别是什么⭐⭐2模型输出的是关节角还是末端位姿是绝对值还是相对值自由度是多少为什么这么选⭐⭐3用的是夹爪还是灵巧手动作空间如何定义⭐⭐4在动作解码模块Action Decoder做了哪些优化为什么这样设计⭐⭐⭐5有没有尝试过位置编码来增强左右手空间感知效果如何⭐⭐⭐6介绍一下对策略的建模为什么用点云作为观测输入为什么输出对动作分布的均值和方差的预测⭐⭐⭐⭐7描述智元 LAPA 工作的核心思路与你的贡献⭐⭐⭐8UniVLA 中为什么直出式 Action Decoder 效果比 Flow Matching 更好⭐⭐⭐⭐9UniVLA 训练时为什么无法利用历史帧主要瓶颈在哪⭐⭐⭐10你平时对 π₀、π₀.₅、GR00T N1、GR00T N1.5 这些框架的底层代码有了解吗⭐⭐⭐11讲讲你的微调工作——用的什么框架LeRobot / PEFT / LoRA怎么冻结参数、怎么验证⭐⭐⭐12你自己搭建过仿真环境吗用过哪些Isaac Sim / MuJoCo / SAPIEN⭐⭐13为什么使用因果注意力Causal Attention机制有什么考量⭐⭐⭐14如何加力反馈、加触觉、加 3D 信息——加上之后数据采集和模型分别怎么改动⭐⭐⭐⭐15机器人构型是怎样的几自由度如智元 G1 自由度 / 单臂自由度⭐⭐16LLM 与机器人如何结合视觉感知部分如何实现了解哪些最近相关论文⭐⭐⭐⭐17LLM 如何控制机械臂和机器人底层的运动具体接口和流程是怎样的⭐⭐⭐18你用过哪些大模型觉得什么模型好用不同模型LLaMA / Qwen / ChatGLM优劣势对比⭐⭐⭐19VLA 模型能否适应不同任务场景如机械臂→无人机导航迁移难点在哪⭐⭐⭐⭐20项目中机器人的动作空间具体如何表示如14维关节角/末端位姿/夹爪等还有哪些其他表示方法⭐⭐⭐1.3 训练与评测#问题难度1训练时的硬件配置、数据量与训练时长大概是多少⭐2多任务混合训练 vs 单任务单独微调效果有什么差异为什么⭐⭐⭐3训练过程中有没有出现不稳定的问题如何排查⭐⭐⭐4训练时主要看哪些指标或曲线loss 震荡时怎么排查⭐⭐⭐5是否观察过训练时的 loss 变化有哪些异常模式⭐⭐6本地评测结果和官方榜单是否一致如何验证模型性能⭐⭐7为什么能做到 90% 成功率核心原因是什么⭐⭐⭐8模型参数规模是多少模型参数如何设置的⭐⭐9调参经验——step 和 batch size 设置多少有没有做过其他尝试⭐⭐10分层架构hierarchical如何训练各层成功率如何⭐⭐⭐11数据集怎么来的如何对比你的方法与 baseline⭐⭐⭐12VLA 常用的 benchmark 有哪些各自评测什么能力⭐⭐⭐1.4 推理与部署#问题难度1模型推理时出现机械臂停滞、动作不连贯的原因是什么如何排查和解决⭐⭐⭐2真实机器人执行时有没有延迟 / 卡顿问题瓶颈在哪⭐⭐⭐3长序列任务为什么成功率低你如何分析和优化⭐⭐⭐4上真机后物品随意摆放的情况下还能完成任务吗为什么⭐⭐⭐5是否在真机上复现过其他 VLA 模型效果如何⭐⭐⭐6VLA 部署碰到过哪些问题如何排查解决如推理延迟、动作漂移等⭐⭐⭐1.5 开放性问题#问题难度1你在这个项目中具体负责哪一部分你的贡献与边界⭐⭐2模型具体使用时存在什么问题可以怎样改进或创新⭐⭐⭐3你如何设计具体任务来验证模型能力⭐⭐4模型的泛化能力如何换一个场景失败原因可能是什么⭐⭐⭐5如果让你继续优化这个系统你会从哪些方面入手⭐⭐⭐6你认为当前 VLA 应该如何工作最大的问题是什么岗位理解⭐⭐⭐7你对 VLA 模型的改进有哪些⭐⭐⭐⭐8你是怎么做的为什么这么做实现了什么你还了解什么做法⭐⭐⭐9选一个你认为做得最完整 / 最好的项目介绍应用场景、数据构造和标注方式⭐⭐⭐10你在论文 / 项目中的主要工作是什么个人贡献边界⭐⭐11做了哪些消融实验有哪些关键发现⭐⭐⭐12SFT 微调有哪些技巧损失函数做过哪些优化⭐⭐⭐二、模型原理2.1 具身模型架构对比#问题难度1π₀ 和 π₀.₅ 的区别是什么代码层面有哪些变化⭐⭐⭐⭐2π₀ 和 GR00T 的 Flow Matching 实现有什么区别⭐⭐⭐⭐3ACTAction Chunking Transformer的训练和推理流程是怎样的⭐⭐⭐4介绍 OpenVLA 模型架构Tokenizer 是怎么设计的⭐⭐⭐⭐5介绍 π₀ 模型架构的整体设计思路⭐⭐⭐⭐6了解 ACT 和 Diffusion Policy 吗各自的优缺点⭐⭐⭐2.2 注意力机制#问题难度1Group Query AttentionGQA的结构和作用是什么与 MHA / MQA 的对比⭐⭐⭐2注意力机制公式手写 Self-Attention 计算过程⭐⭐2.3 Action Decoder / 动作解码更多手撕相关见 五、手撕代码#问题难度1Flow Matching 在具身模型中的原理和作用⭐⭐⭐2Flow Matching 具体公式推导与解释条件流匹配 / 最优传输路径⭐⭐⭐⭐2.4 Diffusion Flow Matching#问题难度1Diffusion 和 Flow Matching 的区别是什么⭐⭐⭐⭐2对 Diffusion 的理解是否了解 Diffusion 推理加速的方法DDIM / DPM-Solver 等⭐⭐⭐2.5 强化学习#问题难度1是否了解强化学习PPO / TD3 / SAC 等⭐⭐2对策略梯度的理解对优势函数的理解⭐⭐⭐3PPO 相对 TRPO 的改进是什么⭐⭐⭐4介绍一下 PPO 的核心思想和流程⭐⭐⭐5GRPO 的 group 大小怎么影响算法效果对 GRPO 算法本身有什么了解⭐⭐⭐⭐6GRPO 和 PPO 的区别与联系⭐⭐⭐⭐三、ML/DL 基础八股3.1 Transformer / Attention#问题难度1介绍 Transformer 架构整体结构⭐⭐2Self-Attention 的完整计算流程是什么写出公式并解释每一步⭐⭐3注意力计算中为什么要除以 √dₖ⭐⭐4在自回归解码中使用 KV CacheKey 和 Value 分别缓存的是什么特征⭐⭐⭐5机器人视觉动作模型中启用 KV Cache对时序动作推理带来哪些影响⭐⭐⭐⭐6GQA vs MHA 下KV Cache 的存储和索引方式有什么不同⭐⭐⭐7长序列机器人任务中如何避免 KV Cache 过大导致显存溢出⭐⭐⭐8KV Cache 的核心作用是什么为什么自回归解码需要 KV Cache⭐⭐9绝对位置编码和 RoPE 的区别为什么现在主流都用 RoPE⭐⭐⭐3.2 VLM / ViT / 多模态#问题难度1ViTVision Transformer的基本原理和流程与 CNN 的对比⭐⭐2视觉编码器是否了解常见有哪些ViT / SigLIP / CLIP 等⭐⭐3对 CLIP 是否有了解它的训练方式和核心思想⭐⭐⭐4介绍一下 BLIP预训练用到了哪三个 loss⭐⭐⭐5对于 VLM 模型的架构是否熟悉视觉编码器 LLM Projector⭐⭐⭐6VLM 中自回归生成的完整流程是怎样的⭐⭐⭐7文生图模型的架构是否了解SD / DiT / Flux 等⭐⭐⭐8主流 VLM/VLA 模型的参数量级多少 B与性能的 trade-off⭐⭐9模型参数规模 100B vs 7B主要差异体现在哪里⭐⭐3.3 归一化#问题难度1输入一个 embedding不同归一化方式的优缺点一般选择什么为什么⭐⭐⭐2BatchNorm 和 LayerNorm 的详细对比各自适用场景⭐⭐⭐3.4 训练与推理优化#问题难度1SFT 过程中 loss 是怎么计算的Cross-Entropy / next-token prediction⭐⭐2Token 向量化具体怎么计算Embedding 查表 可学习映射⭐⭐3torch 模型设置 eval() 的影响是什么Dropout / BN 行为切换⭐⭐4现在的大模型还需要 eval() 吗为什么⭐⭐5大模型的 temperature 参数作用是什么不同范围有什么效果⭐⭐6怎么预估模型训练的时间⭐⭐7你知道哪些提升 LLM 思考能力的方法CoT / ToT / ReAct 等 Prompt 策略⭐⭐⭐8LoRA 原理讲解LLM SFT 的微调方式你知道几种⭐⭐⭐9自回归生成中的 causal mask 是什么temperature 参数如何影响生成结果⭐⭐3.5 大模型训练工程#问题难度1是否熟悉 MoE 架构核心原理与负载均衡⭐⭐⭐2是否了解多卡分布式训练的相关逻辑DP / DDP / FSDP / TP / PP遇到过什么问题怎么解决⭐⭐⭐3做过全量微调吗用了多少资源、用的什么并行训练方式⭐⭐⭐4如何提升 LLaMA 等模型的中文能力有哪些方法⭐⭐⭐5物体检测模型的训练和部署流程是怎样的训练数据怎么来的⭐⭐⭐四、CS 基础 机器人学4.1 CS 基础#问题难度1Python 的装饰器是什么原理和常见使用场景⭐⭐2线程 vs 进程进程间怎么通信⭐⭐3高并发任务如何在多线程和多进程之间进行选择⭐⭐⭐4Python 的协程是什么与线程的区别⭐⭐5对 SLAM 的理解⭐⭐⭐4.2 机器人学基础#问题难度1机器人正逆运动学有了解吗如何计算逆运动学⭐⭐⭐2正逆动力学的公式和物理含义⭐⭐⭐3是否熟悉 PID、MPC 等机器人控制模型原理与区别⭐⭐⭐五、手撕代码常见手撕题推荐每题都能手写通过。#题目考察点1用 PyTorch 实现多头注意力Multi-Head Attention并解释过程MHA、张量变换2手写 Transformer完整 forward架构理解、维度变换3实现 Flow Matching 伪代码 / 核心逻辑流匹配原理4LeetCode Hot 100: 矩阵旋转 90 度不限时矩阵操作5LeetCode 200: 岛屿数量限时BFS/DFS6LeetCode 类算法题具体题号因面经而异综合7LeetCode 142: 环形链表 II链表、快慢指针8LeetCode 74: 搜索二维矩阵二分查找9实现 Flow Matching 训练与采样完整流程流匹配、ODE10用二分法实现开平方根sqrt二分、数值计算11LeetCode 42: 接雨水双指针、单调栈12概率题圆内随机初始化机器人走向圆心求平均路径长度概率、积分 / 蒙特卡洛六、行为面试 / 技术视野#问题难度1你对世界模型World Model有了解吗怎么看它的发展⭐⭐⭐2世界模型中 latent direction 如何理解如何将 VLA base 与世界模型 head 结合⭐⭐⭐⭐3解释一下快系统System 1和慢系统System 2在机器人中的含义与应用⭐⭐⭐4你对具身智能的数据来源怎么看仿真 vs 真实数据 vs 互联网视频⭐⭐⭐5觉得 VLA 前景如何⭐⭐6大的行业技术栈、趋势问题怎么看⭐⭐⭐7机器人 Manipulation 的未来可能会是什么模型架构⭐⭐⭐⭐8假如让你从零构建一个 VLA 模型你对它的架构设计是怎样的为什么⭐⭐⭐⭐⭐9假如让你写一篇 VLA RL 的综述你会怎么写框架与逻辑⭐⭐⭐⭐⭐10你怎么看 VLA 大模型和世界模型两条具身智能的技术路线⭐⭐⭐⭐11从长远来看VLA 可以有哪些工作来克服具身智能的挑战⭐⭐⭐⭐12介绍一下对当前投递岗位的理解为什么选择这个岗位⭐⭐13你认为具身智能目前最大的难点是什么如何应对⭐⭐⭐14如果让你带领团队推进 VLA 方向你会怎么规划后续工作⭐⭐⭐⭐15你对未来工作方向的倾向VLA 算法 vs VLM 数据 vs VLA RL⭐⭐16重建式、前馈式、世界模型三种方法的区别是什么各自适用场景⭐⭐⭐⭐17VLM 和 VLA 的使用场景分别是什么什么时候用 VLM 就够了什么时候必须上 VLA⭐⭐⭐18对 3DGS3D Gaussian Splatting在机器人领域的应用怎么看如何为 VLM/VLA 生成数据能否直接在 3DGS 上做强化学习⭐⭐⭐⭐⭐19世界模型如何形式化建模状态 s 下执行动作 a 的条件概率 p(s’s,a) 如何反推状态七、面经来源按平台归类格式[标题 - 作者](链接)或 「公司/岗位 - 作者」小红书智元VLA 一面面试经验 - Joey具身VLA实习部分面经总结 - 波仔最帅北京天链机器人 VLA 实习面经宇树科技-AI算法-1面面经宇树 AI 算法岗校招面经小米具身算法 1 面众擎机器人 具身 VLA 算法面经卧安机器人——菜鸟面经VLM/VLA 算法工程师面试记录 - 羡慕广东人普渡机器人具身VLA面经帕西尼具身智能算法面经凉具身智能面经分享1荣耀新产业孵化云骥智行VLA实习面经美团日常实习面经-大模型具身智能算法1美团算法岗日常实习面经2宇树科技实习凉经深圳某机器人公司笔试后云幕智造 VLA 实习面经已拿offer具身智能VLA实习面经合集含无人机/具身多厂面经荣耀机器人一面世界模型/3DGS/VLA场景VLA算法面试某中厂GRPO/RoPE/KV CacheVLA / WM / EAI 研究实习面经字节小米统计目前收录21 篇面经共约 170 道面试题覆盖14 家公司 / 团队智元、天链、宇树、小米、众擎、卧安、普渡、帕西尼、荣耀、云骥智行、字节、美团、云幕智造、某中厂、某无人机公司等。更新日志2026-06-25: 初始版本结构重构2026-06-26: 新增 8 篇面经天链 / 宇树×2 / 小米 / 众擎 / 卧安 / VLM-VLA新增约 70 道题扩展 4 个板块2026-06-27: 新增 4 篇面经普渡 / 帕西尼 / 荣耀 / 云骥智行去除表格来源列新增约 25 道题扩展机器人学板块2026-06-28: 新增 3 篇面经美团×2 / 宇树×1修复表格渲染目录改 [TOC]新增约 20 道题2026-07-02: 新增 2 篇面经云幕智造 / 具身合集新增约 8 道题2026-07-08: 新增 1 篇面经荣耀机器人一面新增 4 道题2026-07-14: 新增 2 篇面经VLA算法面试 / 字节小米手撕新增约 15 道题动作空间表示、VLA benchmark、RoPE vs 绝对位置编码、KV Cache 原理、causal mask、Flow Matching训练采样、二分sqrt、接雨水、圆内随机行走等