我應該也算是機器人算法工程師了，我所在實驗室就叫學習算法與系統實驗室（LASA， Learning Algorithm and System Lab，Learning Algorithms and Systems Laboratory （LASA）那些說沒有這個職位的就不要鬧了， robot software and algorithm engineer是一個很大的市場空缺

　　簡單的說， 最深的體驗就是：You have to take someone‘s shit. （受虐，無處不在）你需要懂的東西很多，需要你一次次走出自己的舒適區域

　　我只能以我的經歷說一下：

　　2011年，我剛到實驗室，實驗室有個女博士后（postdoc）在做抓取規劃（grasp planning），我老板讓我一起做這個項目，我研究室也是做的這個，所以可以很快的上手但是，為了用一個優化的算法（IPOPT），整個規劃（planning）是用AMPL（The AMPL Book）寫的，Bell實驗室出品，速度也是很好的，但是那個語法完全虐死人我保證你們都沒有用過，用過之后就不想再見到這貨了經過半年的努力，我也算是走通了整個MTALAB到AMPL+IPOPT的流程，然后程序要在CMU的一個服務器（server）上跑一個星期，得到了很多花樣的炫酷的grasp（比如一個簡單圓柱體大概得到3000+個不同grasp）

　　然后呢，當然要把這些grasp在仿真里面顯示出來當時實驗室在使用一款叫RobotToolKit，的自己開發的機器人仿真軟件，沒有說明文檔，沒有人有太多時間教你，關鍵是我當時連coding也是很渣的（當然現在也很爛）好不容易弄懂了整個邏輯，也會仿照著別人的東西寫一些demo了在simulation里面一跑，各種grasp不能實現，需要把物體擺在機器人工作空間某個非常合適的位置，恰好IK（逆運動學）可以找到合適的關節角總之，3000個grasp，做了一下分類（簡單clustering）， 最終挑選出還能看的也就下圖20個為了這20個grasp，我幾乎花了兩三個月的時間但最終也算知道這個仿真軟件的一些基本東西了，也知道所有research中你看到的僅僅是冰山一角走到這一步，聰明的人就停留在仿真了，仿真的世界真的很美好

　　這不是結束！

　　我當然不滿足于虛擬的世界，接下來才是整個作為一個機器人算法工程師的受虐之路的開始：算法實現所有的機器人算法都是要用實踐來檢驗的，直觀的將就是你要做一個demo，最好是在實際的機器人上終于要上機器人玩了，當時還有點小激動，用的還是iCub，就是下圖這貨，看起來十分萌

　　機器人算法工程師是怎樣的機器人算法工程師