你怎么理解 VLA？
尚未关联知识库答案
VLA 就是 Vision-Language-Action。Vision 识别杯子、冰块、柠檬片和顾客表情；Language 理解“少冰”“微糖”“不要香菜”；Action 控制机械臂加料、摇匀和封口。
蜜雪冰城
最近投了蜜雪冰城的 VLA 算法工程师，没想到第二天就约了技术面。 部门主要做具身智能饮品机器人，让机械臂根据自然语言指令，独立完成取杯、加冰、加糖、摇匀、封口和递交饮品。整场约 60 分钟，没怎么问八股，主要考察 VLA、强化学习、轨迹规划、多模态感知和奶茶制作流程。 问：你怎么理解 VLA？ 答：VLA 就是 Vision-Language-Action。Vision 识别杯子、冰块、柠檬片和顾客表情；Language 理解“少冰”“微糖”“不要香菜”；Action 控制机械臂加料、摇匀和封口。 问：用户说“少冰”，具体放几块？ 答：要结合杯型、室温、饮品种类和历史偏好。比如正常冰 12 块，少冰 6 块，微冰 3 块。 追问：冰块大小不一样怎么办？ 答：用视觉模型估计冰块体积，再闭环控制总冰量。 问：如何避免把柠檬片当成冰块？ 答：融合 RGB、深度和触觉。冰块透明、反光、温度低；柠檬片有黄色纹理和柔性形变。视觉置信度不足，就让机械臂轻轻夹一下，用触觉二次确认。 问：机械臂倒糖浆时手抖怎么办？ 答：检查控制频率、轨迹平滑性和电机参数，再用低通滤波、轨迹插值、阻抗控制和视觉闭环纠偏。 追问：如果是面试紧张导致手抖呢？ 答：建议机械臂先做一次深呼吸。 问：强化学习的 Reward 怎么设计？ 答：成功取杯 +1，正确加冰 +2，正确加糖 +2，成功封口 +3，递给顾客 +5，饮品洒出 -10，吸管插进顾客鼻孔 -100。 同时要避免 Reward Hacking，比如模型为了“不洒”，选择永远不递给顾客。 问：模型出现幻觉怎么办？ 答：如果顾客点的是柠檬水，模型却说成珍珠奶茶，可以通过订单检索、结构化指令解析和动作前校验降低幻觉。执行前再确认：“您点的是少冰柠檬水，对吗？” 问：当前具身智能最大的瓶颈是什么？ 答：不是参数量，也不是训练数据，而是高峰期顾客一直催单。模型刚完成长链路推理，旁边就有人问：“我的奶茶好了吗？” 最后我问：“岗位会提供训练数据吗？” 面试官说：“每天免费喝两杯，数据需要自己采集。” 目前已经进入人才库，HR 说后续有合适岗位会再联系。我感觉应该稳了，已经开始研究珍珠的 Sim2Real 迁移问题了。
第 1 轮
你怎么理解 VLA？
VLA 就是 Vision-Language-Action。Vision 识别杯子、冰块、柠檬片和顾客表情；Language 理解“少冰”“微糖”“不要香菜”；Action 控制机械臂加料、摇匀和封口。
用户说“少冰”，具体放几块？
要结合杯型、室温、饮品种类和历史偏好。比如正常冰 12 块，少冰 6 块，微冰 3 块。 追
冰块大小不一样怎么办？
用视觉模型估计冰块体积，再闭环控制总冰量。
根据公司、岗位、季节和元数据确定性匹配。
如何避免把柠檬片当成冰块？
融合 RGB、深度和触觉。冰块透明、反光、温度低；柠檬片有黄色纹理和柔性形变。视觉置信度不足，就让机械臂轻轻夹一下，用触觉二次确认。
机械臂倒糖浆时手抖怎么办？
检查控制频率、轨迹平滑性和电机参数，再用低通滤波、轨迹插值、阻抗控制和视觉闭环纠偏。 追
如果是面试紧张导致手抖呢？
建议机械臂先做一次深呼吸。
强化学习的 Reward 怎么设计？
成功取杯 +1，正确加冰 +2，正确加糖 +2，成功封口 +3，递给顾客 +5，饮品洒出 -10，吸管插进顾客鼻孔 -100。 同时要避免 Reward Hacking，比如模型为了“不洒”，选择永远不递给顾客。
模型出现幻觉怎么办？
如果顾客点的是柠檬水，模型却说成珍珠奶茶，可以通过订单检索、结构化指令解析和动作前校验降低幻觉。执行前再确认：“您点的是少冰柠檬水，对吗？”
当前具身智能最大的瓶颈是什么？
不是参数量，也不是训练数据，而是高峰期顾客一直催单。模型刚完成长链路推理，旁边就有人