最近我手上有好几个朋友来问同一件事，说收到了“必高具身智能猎头推荐职位”里关于AGV方向的岗位推送，职位名称一长串：“伺服软件工程师、伺服算法工程师、物联网路径工程师、物联网导航定位工程师、控制技术工程师”。大部分人第一反应是：这些岗位到底做什么？伺服软件和伺服算法是不是一回事？物联网路径是不是就是搞路由器的？
说实话，这类岗位列表在猎头端越来越常见，但市面上能把它讲明白的人不多。我在工业自动化和机器人领域摸爬滚打了十几年，前后也帮企业招过不少AGV方向的核心工程师，今天就用一篇长文，把标题里这几个职位从头到尾拆一遍。顺便聊聊AGV行业的技术现状、岗位分工、核心技术点，以及如果你想往这个方向转，简历和面试应该怎么准备。
这篇文章适合三类人看：想入行AGV或移动机器人领域的应届生、目前在传统工控领域想转型的工程师、以及已经收到类似猎头推荐但拿不准岗位含义的求职者。读完你可以对AGV方向的技术栈和职业路径有一个清晰的坐标系，至少下次再看到类似职位，不会被一堆名词劝退。
1. 先从行业聊起，AGV方向为什么值得认真考虑
1.1 岗位需求暴涨背后的行业逻辑
AGV（Automated Guided Vehicle，自动导引车）并不是什么新概念，工厂里的磁条导引AGV在十几年前就很常见了。但近三年这个方向的人才缺口突然变大，核心原因是技术栈整体换了一轮。
过去的AGV，多数靠磁条、色带、电磁感应走路，导引方式固定，改线就要改地面，本质上是“自动化设备”。现在的AGV，尤其是具身智能概念下的AGV，开始变成“能感知、能决策、能协同的移动机器人”。它要处理激光SLAM建图、动态避障、多车调度、与电梯/卷帘门/机械臂联动，甚至在室内外混合场景下完成柔性搬运。技术复杂度上了一个大台阶，所以企业需要的工程师从“会接PLC就能干”变成了“要懂控制算法、懂嵌入式、懂调度系统、懂传感器融合”的复合型人才。
这也直接反映在薪资上。同样年限的工程师，AGV方向比传统非标自动化方向普遍高出20%到40%，算法岗尤其明显。我见过不少传统PLC工程师转型做AGV运动控制后，两年内薪资翻倍的真实案例，因为控制对象从“气缸和电机”上升到了“百台AGV动态调度”这个量级。
1.2 这几个职位之间的分工关系
很多人看到“伺服软件、伺服算法、物联网路径、物联网导航定位、控制技术工程师”五个头衔，以为五个完全不同的赛道。其实在AGV这个场景里，它们是一套完整的链路，从底层的电机控制，到中间层的导航定位，再到顶层的路径规划和调度协同。
我用一个生活化类比来解释。想象一支外卖配送团队：
- 伺服软件工程师和伺服算法工程师，解决的是“腿脚怎么动”的问题。伺服电机就是AGV的肌肉，这两个岗位负责让肌肉精准地响应大脑指令。
- 物联网导航定位工程师，解决的是“我现在在哪、要去的地方在哪”的问题。相当于给骑手装上了眼睛和地图。
- 物联网路径工程师，解决的是“走哪条路线最合理”的问题。相当于骑手脑子里的路线规划App，要避开拥堵、绕开障碍。
- 控制技术工程师，则是更偏系统层面的角色，负责把“眼睛看到的信息”和“腿脚的动作”协调起来，同时管理AGV上的嵌入式控制系统和通信系统，相当于骑手的神经系统。
所以你会发现，这几个职位虽然名称不同，但知识体系高度重叠，很多人跳槽时会在其中几个岗位之间横跳。这也是猎头喜欢打包推荐的原因——企业往往一口气要招一整套AGV核心团队。
2. 职位拆解（一）：伺服软件工程师和伺服算法工程师到底差在哪
2.1 伺服软件工程师：电机要被“翻译”给机器听
伺服软件工程师这个岗位，很多人以为就是写写单片机程序、调调电机参数。真做起来才知道，里面门道不少。
先说核心任务。AGV里最常用的驱动方案是伺服电机配驱动器，驱动器内部的核心是FOC（Field-Oriented Control，磁场定向控制）算法。FOC负责把直流电转换成三相正弦波电流，让电机平稳转动。伺服软件工程师做的事情，从大的方面分有三块。
第一块是驱动器的嵌入式软件开发。你要在DSP或MCU平台上，用C语言实现FOC计算、电流环采样、速度环和位置环的运算。这里有个关键点：AGV的运动控制是实时的，电流环的更新周期通常是10kHz到20kHz，意味着每条控制指令要在50到100微秒内执行完，对代码效率和浮点运算能力要求很高。
第二块是与上位机的通信协议开发。AGV的伺服驱动器要通过CANopen、EtherCAT或Modbus总线和主控板通信。你得实现PDO/SDO对象字典、处理心跳报文、做故障诊断和参数读写。这块工作直接决定了AGV调试时顺不顺手，协议层卡顿一下，整车动起来就发涩。
第三块是调试工具和参数整定。伺服驱动器的增益参数（Kp、Ki、Kd）、陷波滤波器频率、速度前馈系数，都需要软件工具去配置和实时观测。很多伺服软件工程师其实有三分之一的时间花在写上位机调试软件上，比如基于C#或Qt做一个波形显示工具，把电流波形、速度波形拉出来看，判断有没有震荡。
2.2 伺服算法工程师：让电机又稳又准又听话
伺服算法工程师和伺服软件工程师的工作有重叠，但侧重点明显不同。软件工程师关注的是“怎么把逻辑在嵌入式平台上跑起来”，算法工程师关注的是“用怎样的数学方法让控制性能达到最优”。
AGV对伺服算法最苛刻的要求有三个场景。
第一个是启停的平顺性。AGV在工位间搬运时，频繁启动和停止，如果算法做得糙，车体会点头和顿挫。要解决这个问题，除了PID闭环，还得加入速度规划曲线，比如S型曲线或者梯形曲线。简单说，你给电机的速度指令不能是阶跃跳变，而要让加速度本身是连续的，这样执行机构才不会冲击。
第二个是低速大扭矩下的稳定性。AGV满载时可能达到几百公斤，起步瞬间需要的扭矩很大。低速工况下，编码器反馈的分辨率会被放大，位置量化误差明显，很容易出现低速爬行现象。这时候需要加入基于观测器的扰动补偿，或者高精度编码器下的细分算法。
第三个多轴协同。AGV底盘有双轮差速、四轮转向、麦克纳姆轮等不同构型。以双轮差速为例，左右轮的速度误差过大会导致车体跑偏，光靠各轮自己闭环是不够的，必须在整车层面做一个运动学解算，把线速度和角速度指令换算成左右轮的独立速度给定值，再让两个伺服轴同步执行。这个解算过程，经常也放在伺服算法工程师的工作范围内。
我面试过不少候选人，一个很典型的现象是：很多人SPI、I2C用得很熟，寄存器配置倒背如流，但一问到“麦克纳姆轮三个速度分量怎么解算”“当前速度指令应该用几阶低通滤波”就卡壳。前者是软件能力，后者才是算法能力，AGV这个方向真正值钱的，是算法那部分。
2.3 面试中常见的伺服方向问题一览
如果你准备投这两个岗位，我建议先摸底下面几个问题：
- 永磁同步电机的dq轴数学模型里，Ld和Lq分别代表什么，分别在什么控制模式下用得上？
- 电流环的PI参数，一般用什么方法整定？工程上怎么快速确定Kp初值？
- 编码器线数和4倍频的关系是什么？一个2500线的增量式编码器，反馈分辨率是多少？
- 伺服系统在负载惯量变大时，会出现什么现象？惯量比和增益应该怎么调整？
- 如果AGV的轮子在重载起步时出现“嗡嗡”的电流声，你会从哪些方面排查？
别小看这些问题，很多号称“五年伺服经验”的候选人，答起来依然东拉西扯。原因在于，不少人虽然天天和伺服驱动器打交道，但只停留在接线和参数整定层面，没深入到算法实现。而现在AGV行业要的，恰恰是能深入底层的人。
3. 职位拆解（二）：“物联网路径”和“物联网导航定位”不是做路由器的
3.1 物联网导航定位工程师：AGV的眼睛和耳朵
先说最好笑的误区。很多候选人看到“物联网导航定位”，第一反应是“做无线定位的”，甚至有人以为是给智能家居做室内定位。实际上，在AGV方向，这个岗位解决的是机器人本体“我在哪、周围有什么”，技术上包含三个层次。
第一个层次是外部定位。AGV最常见的定位方式是激光SLAM和反光板导航。激光SLAM要做的事，是让AGV在未知环境中，通过激光雷达扫描到的点云，一边构建环境地图，一边确定自身位置。这里面涉及的算法有ICP点云配准、粒子滤波、图优化、回环检测。候选人对Gmapping、Cartographer、LOAM这些经典方案至少要有一个能讲清原理。
第二个层次是内部定位和姿态估计。光有环境感知还不够，AGV还需要知道自己的运动状态。轮式里程计从电机编码器读取转速，推算位移；惯性测量单元IMU提供加速度和角速度，修正车体姿态。这两个数据要和激光数据做融合，工程上最常用的是扩展卡尔曼滤波或粒子滤波。我在实际项目里常看到的情况是，单一传感器数据丢失或跳变时，如果融合算法没有冗余设计，AGV的定位精度会瞬间崩掉。
第三个层次是多车场景下的协同定位。在几十台AGV同时运行的仓库里，单台车的位置精度会受车辆间遮挡影响。这个场景下，需要引入地面二维码、UWB标签、甚至视觉特征点做辅助修正。所以你会发现，这个岗位的技术栈非常宽，从激光雷达到摄像头，从卡尔曼滤波到坐标变换，全都要懂。
3.2 物联网路径工程师：给AGV规划出一条不堵车的路
“物联网路径”这个叫法其实不够准，准确说这个岗位做的是AGV路径规划，同时要兼顾物联网通信带来的实时路况信息。
路径规划分成两层，很多人会混淆。
第一层叫全局路径规划，解决“从A点到B点怎么走最优”。经典算法是Dijkstra和A*。A在Dijkstra的基础上加了启发函数，能快速找到最短路径，是目前AGV栅格地图上最主流的基础算法。比如地图是10x10的栅格，起点在(0,0)，终点在(9,9)，如果中间无障碍，A会直接沿着对角线方向搜索出一条近似最短的路径；遇到障碍物时，它会用open list和closed list不断扩展节点，最终绕开障碍。
第二层叫局部路径规划，解决“眼前突然冒出一个箱子怎么办”。AGV上需要实时运行动态窗口法（DWA）或时间弹性带算法（TEB），根据当前速度、角速度和周围障碍物距离，重新计算安全路径。局部规划和全局规划必须配合，全局规划负责大方向，局部规划负责当场的微调。
这里就体现出“物联网”这三个字的价值了。传统AGV只规划自己的路径，但现代AGV调度系统和路径规划深度绑定。当多台AGV共用一个路口时，如果每台车只考虑自己的最短路径，很可能会造成区域拥塞。物联网路径工程师需要做的是，从调度系统获取其他车辆的位置信息、路况占用信息，把这些信息融合进规划算法里。典型方案就是给地图上的每个节点加一个占用状态，某车占用某节点时，其他车的代价地图上该节点权重会被调高，规划时自然远离拥堵区域。
3.3 调度系统里的核心算法：从A*到多车协同
既然讲到了调度，就多说几句。AGV调度系统是让多台车有序运行的大脑，它解决的核心问题有三类：任务分配、路径规划、死锁避免。
任务分配方面，最简单的策略是“就近原则”，当一个搬运任务产生时，系统比较所有空闲AGV到任务点的距离，选最近的去执行。稍微高级一点的，会考虑每台车的剩余电量、当前任务结束时间、是否处于充电区域等因素，做一个加权评估。
路径规划方面，A*算法是绝对的基本盘。实际工程里，调度系统会把工厂环境抽象成一张有向图，节点是路径点，边是AGV可以行驶的路段。每条边有一个权重，可以是距离、时间或者“当前拥塞程度”。
死锁避免是最让人头疼的部分。多台AGV在十字路口相遇，如果互相等对方先走，就会形成死锁。工程上的做法是给每台车分配不同等级的路径优先级，或者规定路口的通行方向和时间片。更复杂的企业还会用图论里的最大流算法，实时计算路口区域的车辆容量。
如果你看到职位描述里写着“熟悉A*、Dijkstra、RRT优先”，那基本就是这个岗位无疑了。搜索热词里很多人也在问“三条AGV基本A*算法”，其实就是指AGV导航里最基础的那套栅格路径搜索方法。它并不神秘，只是在实际工程中需要加入各种约束条件，比如转弯半径、加速度限制、调度优先级，才变成一个有门槛的岗位技能。
4. 职位拆解（三）：控制技术工程师，是AGV的“神经系统”
4.1 控制技术工程师到底管什么
在很多企业里，控制技术工程师是AGV项目里最“杂”的岗位，因为它要把整个控制系统打通。一个AGV整车控制系统，从上到下大概是这样一个结构：
第一层是调度层。负责接收上位管理系统（如WMS）的任务指令，把“把货物从A搬到B”翻译成具体路径和动作指令。
第二层是车载控制器层。AGV主控板上要运行导航算法、运动学解算、安全逻辑和与伺服驱动器的通信。这一层的硬件常见方案是工控机加运动控制卡，或者基于ARM的嵌入式平台，更高端的会用NVIDIA Jetson系列做视觉和激光雷达的AI推理。
第三层是执行层。伺服驱动器、电机、转向机构、举升机构、安全传感器。
控制技术工程师的工作，恰恰是这三层之间的连接器和维护者。你要跟导航定位工程师一起完成传感器数据接入，要跟伺服软件工程师联调运动控制参数，还要负责整个通信链路（CAN总线、以太网、5G/Wi-Fi）的稳定性。可以说，这个岗位是AGV团队里的“瑞士军刀”。懂一点嵌入式、懂一点电机控制、懂一点机器人操作系统ROS和Linux，这是标配。
4.2 控制系统的实时性：为什么AGV会“反应迟钝”
控制技术工程师最常遇到的难题是系统实时性不足。我从好几次现场调试里总结出一个规律：AGV跑偏或者反应迟钝，多数时候不是算法不行，而是控制指令链路太慢了。
举个例子。AGV在遇到前方障碍物时，需要完成这样一个链路：激光雷达扫描到障碍物、数据汇入主控、主控运行避障算法、算法生成新的速度指令、指令通过总线发给伺服驱动器、驱动器执行。整条链路里，任何一环有额外延时，AGV都会在同一处“多走半步”。有些系统在运动控制中断里写了耗时的文件日志操作，导致控制周期抖动，车开起来就一顿一顿的。这种问题必须用实时系统的思路去排查，比如把日志改成异步写入、给控制任务设置高优先级、用实时线程替代普通进程。
4.3 电气与控制之外的隐藏技能：安全逻辑
AGV是重载设备，高速运动时遇到人必须立即停下，所以安全控制是控制技术工程师必须重视的部分。标准的AGV会配备安全激光雷达、急停按钮、声光报警。安全逻辑通常采用独立于导航系统的硬件回路，不经过主控程序，直接触发驱动器急停。原因是主控程序可能死机或者卡死，安全回路必须有独立的物理通道。
合格的AGV控制技术工程师，在设计控制系统时会把安全回路放在最高优先级。我在做项目评审时会问候选人一个问题：如果主控板挂了，AGV还在全速往前跑，你的系统里有什么机制能兜底？很多人答不上来，或者说“靠防撞条”。防撞条只是最后的物理保险，正确的做法是安全激光雷达设置动态减速区域和急停区域，一旦探测器触发，直接切断伺服使能信号。这块经验在岗位面试里的含金量很高，因为它来源于真实事故教训。
5. AGV方向的核心技术脉络，从电机到调度系统串一遍
5.1 一张图理清AGV的技术栈（用文字想象这张图）
我一直觉得，AGV工程师最大的挑战不是某个单一技术，而是理解整条技术链路的相互影响。这里用文字的层级结构给大家搭个框架。
从硬件底层往系统顶层看，第一层是伺服电机与驱动器，负责出力。电机通过轮子带动车体，编码器反馈实际位置和速度。第二层是车载控制器与实时操作系统，负责计算。它内部跑着控制算法、传感器融合算法和通信协议栈。第三层是传感器体系。激光雷达、IMU、编码器、视觉相机、安全雷达，这些传感器提供环境与自身状态信息。第四层是调度系统与通信网络，负责协同。多台AGV通过Wi-Fi、5G或有线网络接入调度服务器，调度服务器统一做任务分配和交通管制。
第五层是上位管理系统，比如WMS或MES。它不直接管AGV怎么走，但告诉调度系统“哪里有活要干、哪个工位需要送料”。
如果你准备转行来AGV方向，我建议你按照这个顺序从上往下去学。先搞清楚整车的系统边界，再逐层深入。不要一上来就死磕FOC和卡尔曼滤波，那样很容易迷失在细节里。
5.2 运动学与动力学：差速底盘和麦克纳姆底盘怎么选
AGV底盘的选型和运动学解算，是伺服和控制岗位都会涉及的知识点，值得多说几句。
双轮差速底盘是最常见的AGV构型，两个驱动轮分别由独立电机控制，另有两个万向从动轮支撑。它的运动学模型很经典：设两轮间距为L，左轮速度为Vl，右轮速度为Vr，则整车线速度V=(Vl+Vr)/2，角速度ω=(Vr-Vl)/L。如果给定目标线速度和角速度，反解出左右轮目标速度，就是伺服系统要跟随的指令。
麦克纳姆轮底盘能实现全向移动，也就是既能前后走，又能横移和斜向走。它的运动学解算是三维的，给定整车纵向速度Vx、横向速度Vy、角速度ω，通过四个轮子的不同转速组合来实现。公式看起来复杂，但工程中直接用矩阵运算即可：四个轮速等于一个3x4矩阵乘以(Vx, Vy, ω)。很多面试官喜欢让候选人现场写这个矩阵，我建议至少把原理记住。
还有一种舵轮底盘，驱动轮既走又转向，适合重载户外场景。舵轮的控制逻辑比差速轮复杂，因为要同时控制轮速和转向角，二者之间还有协调关系。AGV在转向时，如果转向角速度过快而轮速没跟上，轮子会打滑。工程上要用运动学约束来限制最大转向角速度，这就是伺服算法工程师和运动控制工程师协作的典型场景。
5.3 从传统AGV到具身智能：对工程师的新要求
“具身智能”这个词其实容易被过度解读。站在岗位角度来看，具身智能只是在传统AGV基础上加了更多感知、学习和自主决策能力。比如AGV要能识别散放的物料（视觉识别）、能根据场景变化动态调整路径（强化学习）、能与人协作（安全交互），这些在传统AGV里并不是标配，但正在成为新岗位的高频要求。
这对工程师的启示是：不要只盯着电机那层技术，要学会往上层走。伺服软件和算法岗位的天花板，如果只算电机控制本身，其实有限；但如果你能往“伺服+感知+决策”这个复合方向走，价值会明显提升。企业现在招AGV方向的工程师，本质上是想招“懂执行控制的系统工程师”，而不是只会调电机的单点型人才。
6. 猎头视角的求职建议：简历、面试、谈薪，这里头全是细节
6.1 简历上写什么，更容易被推荐
我虽然是技术出身，但这些年和猎头打交道也不少。站在猎头角度看，AGV方向岗位的简历筛选有几个关键点，很多人会搞错。
第一个是项目经历必须写“场景+指标”。不要只写“负责AGV的运动控制开发”，要写成“负责双轮差速AGV运动控制开发，完成速度闭环参数整定，行驶精度从正负20mm提升到正负5mm”。猎头和用人主管找的是“有可验证能力”的人，量化指标是最快的信任建立方式。
第二个是技术栈关键词要精准。职位描述里出现“伺服”“算法”“导航”“调度”时，简历里要用相同的语言体系去回应。比如你做过ROS开发，就明确写“熟悉ROS导航栈，实际使用过move_base、amcl”；你做过运动控制，就写“熟悉EtherCAT总线，用过倍福TwinCAT或CODESYS”。关键词匹配不是投机取巧，是因为AGV岗位知识体系庞杂，猎头只能靠关键词快速锁定候选人在哪个技术维度上有积累。
第三个是不要只罗列技术名词，要写出“你是解决问题的什么人”。比如“负责排查AGV急停复位后导航偏移问题，最终定位为编码器零位漂移，通过软件校准解决”。这类描述比十个技术名词加起来都管用，它能同时体现你的问题定位能力和闭环能力。
6.2 面试时能现场写代码的候选人太少了
AGV方向的面试，尤其是算法岗，越来越流行“现场coding + 现场推导”。我参与过的技术面，最常见的一个题目是：用一个数组表示一维地图，0表示可通行，1表示障碍物，给定起点和终点，实现一个简单的BFS或A*路径搜索。要求现场在白板上写出代码思路，并解释open list和closed list怎么维护。
这个题目看起来不难，但能一次写对的人真的不多。很多人卡在“怎么把二维坐标转成一维索引”或者“怎么记录每个节点的父节点以便回溯路径”这两个细节上。我建议想面试AGV方向的同学，至少手写熟A*和Dijkstra，不需要背模板，但要能解释每一步的原理。
另一个高频考察点是运动学解算。面试官会给你一个麦克纳姆轮底盘，左右各两个轮子，让你现场推导某个方向运动时的轮速关系。这里我个人的经验是，先画坐标图、标出每个轮子的安装位置和辊子方向，再根据辊子的受力分解，基本不会出错。
6.3 谈薪资时容易被忽略的隐性价值
AGV方向的薪资结构里，除了基本工资，还有几个容易被忽略的点值得关注。
项目奖金要问清楚计算方式。AGV是项目制交付的行业，很多企业会按项目回款给技术团队发奖金。这个奖金计算规则差别很大，有的按项目利润百分比，有的按工时，有的纯看领导打分。我见过候选人在谈offer时只关注月薪，结果发现年底奖金方差极大，第二年就后悔了。
加班强度也要问明白。AGV项目集中在制造业客户现场，交付期紧的时候，连续几周的出差和现场调试非常常见。如果企业对项目周期估算不合理，工程师几乎永远在救火。谈薪时把加班费、调休制度、出差补贴问清楚，比纠结一两千的月薪更重要。
股票、期权、房补、餐补、加班餐这些，虽然从月薪数字上看不出来，但累积起来差别不小。我在帮候选人评估offer时，会综合算一笔“年度实际总包”，而不是只看月薪。
7. 常见问题与避坑指南速查
7.1 高频问题速查表
表格形式放在这里，方便你收藏对比。
| 高频问题 | 常见误解 | 实际情况 | 建议 |
|---|---|---|---|
| 伺服软件和伺服算法岗位哪个更好？ | 名称差不多，随便投 | 软件偏嵌入式与协议实现，算法偏控制理论，薪资算法略高 | 嵌入式扎实选软件岗，数学和控制理论基础好选算法岗 |
| 我不会ROS，能不能做AGV导航定位？ | 必须精通ROS才能入职 | 很多企业同时用自研框架，ROS是加分项而非硬门槛 | 掌握激光SLAM原理和坐标变换后，ROS一周就能上手基本操作 |
| 传统PLC工程师想转AGV控制，有机会吗？ | PLC与AGV控制完全没关联 | PLC的I/O控制、总线通信经验可以平移，但嵌入式C语言和运动学需要补课 | 先自学C语言和FOC基础，再参加开源AGV项目实操 |
| 物联网路径岗位要不要精通5G和路由器？ | 需要通信专业背景 | 重点是路径规划算法，物联网通信只是数据来源之一 | 把A*、DWA、调度系统吃透，通信协议了解即可 |
| 应届生能直接投AGV算法岗吗？ | 算法岗必须有多年经验 | 部分企业愿意接受有SLAM或路径规划项目经验的校招生 | 提前做一个小型AGV仿真项目，GitHub上有大量开源资料 |
| 转行AGV方向最重要的三件事是什么？ | 学语言、学算法、学硬件 | 三者缺一不可，但最容易被忽视的是系统思维 | 把整个调度链路亲手跑通一遍，比只看单个技术点更值钱 |
7.2 避坑清单：别人踩过的坑，你就别踩了
第一个坑：只做仿真，不碰真机。AGV的控制和导航，仿真能做出来和真机能跑是两回事。仿真环境里的激光雷达数据是理想化的，而真实雷达会抖动、会丢帧、会有镜面反射。真机调试时，你会发现算法参数调几天都达不到仿真里的效果。所以有条件的话，尽量参加实物项目，哪怕是买一个几百块的差速小车开发板动手改装，都比只跑Gazebo仿真有价值。
第二个坑：忽视坐标系的统一。AGV系统里存在大量坐标系，地图坐标系、机器人本体坐标系、激光雷达坐标系、相机坐标系。任何一个外参标定偏差，都会导致感知定位结果完全不可用。很多新人一上来就调算法，结果发现定位发散，折腾半天才发现是雷达安装角度偏了两度。做AGV方向，一定要养成“先标定、后调参”的习惯。
第三个坑：低估了无线网络的稳定性问题。AGV调度系统的命脉是无线通信。如果车间里的Wi-Fi覆盖有盲区，或者AP切换延迟高，AGV在盲区里就会失联，调度系统无法收到它的位置信息，整片区域的车辆全部要降速等待。控制技术工程师和物联网路径工程师如果不把通信可靠性纳入设计，光靠算法优化解决不了现场问题。
第四个坑：只懂“怎么调”不懂“为什么”。AGV领域有个特殊现象：开源的建图和导航方案很成熟，网上博客一搜一大把，很多人照着教程就能把小车跑起来。但真要处理实际问题，比如隧道场景下激光匹配漂移、雨天反光导致定位跳变、多车抢路口时的路径代价震荡，没有扎实的原理理解会非常被动。所以我的观点一直是：不要只做一个“调包侠”，要深入去读源码，读算法论文，哪怕只是读懂其中一个模块。
第五个坑：忽略行业安全规范。AGV涉及人员安全，各个行业有相应的安全标准。很多工程师只知道传感器要用安全级的，但在设计系统逻辑时，没有考虑故障后如何进入安全状态。安全设计的核心是“失效安全（fail-safe）”：无论哪一环失效，系统都要向安全方向走。这一点在AGV控制技术工程师的岗位上尤其重要，面试时主动聊安全设计思路，绝对是加分项。
8. 写在最后，关于这个行业的一点个人心得
做了这么多年AGV和机器人相关方向的工作，我最大的感受是：这个行业的确很辛苦，项目压力大、现场环境嘈杂、碰到的甲方需求也经常变，但它的技术含量和成长速度是实实在在的。
伺服、导航、调度、控制，这四块技术每一个单独拎出来都可以吃很久，而AGV这个岗位恰好把它们串在一起。所以你会看到，真正值钱的AGV工程师，往往不是某一个子领域的顶尖专家，而是能把整条链路跑通的人。他知道电机响应慢会导致定位抖动，知道定位抖动会导致路径规划频繁切换，知道调度系统要预留车辆的减速距离。这种系统级思维，在别的行业可能要熬很多年才能建立，但在AGV方向，每做一个项目就能提升一截。
如果你正在犹豫要不要投这几个岗位，我的建议是：先确认自己处在哪个技术层次。做嵌入式的，往伺服控制和实时系统方向扩展；做算法的，好好补齐运动控制和导航原理；做上位机和调度的，往交通管制和多车协同方向深挖。然后把项目经历里最拿得出手的一个点，反复打磨到能一句话讲清“你做了什么、解决了什么问题、提升了什么指标”。做到这一步，你接到猎头电话时，就不只是“收到一个推荐职位”，而是真正有了选择的底气。
最后再分享一个我经常和身边工程师强调的小技巧：平时多关注AGV行业的技术社区和开源项目，自己动手把仿真环境搭起来，跑通一个完整的“地图构建-路径规划-运动控制”闭环。这个闭环跑通一次，你对标题里那几个岗位的理解，会比看十篇招聘文章都深刻。祝各位都能拿到心仪的offer。
