机械工程师 → 机器人 / 自动驾驶 (具体怎么转)
12 周路径：1-4 周补 Python + 机器人控制基础，5-8 周做 1 个机械 + ML side project，9-12 周投自动驾驶 / 机器人公司「机械 + 算法」复合岗。28 条样本中 9 条 pivot 到自动驾驶 — 是机械工程师最直接的路径。
机械工程师 → 机器人 / 自动驾驶 具体怎么转
这一篇不讲「为什么转」（看 机械工程师职业页 + 机械 Lv2 篇），只讲怎么一步一步转。
数据先放一下：agent-hunt 抓到的 28 条机械 + AI 样本里，9 条 pivot 到「自动驾驶 / 智能座舱」、5 条 pivot 到「AI Agent 工程师」、4 条 pivot 到「智能制造」 — 自动驾驶是最大、最直接的路径。
总览：12 周路径
第 1-4 周：补 Python + 机器人控制 + 仿真基础
第 5-8 周：做 1 个机械 + ML side project（仿真替代 / 数据驱动控制）
第 9-12 周：投自动驾驶 / 机器人 / 智能制造「机械 + 算法」复合岗
不需要辞职，工作日晚上 + 周末 8-10h / 周，总投入约 100h。
第 1-4 周：补基础 + 找定位
机械工程师面试自动驾驶 / 机器人复合岗的优势是「能看懂结构 / 力学 / 仿真」，劣势是「Python + 算法 + 数据语言不熟」。这 4 周补这个差距。
Week 1：Python + numpy + matplotlib 入门
用任何一台电脑装 Anaconda + VSCode。做一件事：
把你以前 CAE / CAD / 仿真输出的任何数据（哪怕是 Excel 表）倒进 pandas，画图分析。比如「我用 numpy + matplotlib 重画了我做过的某个齿轮箱振动仿真结果」 — 这就是你 12 周后简历的第一行。
Week 2：写「我的机械经验文档」
写下面 6 个 section（每个 500-1000 字）：
- 我做过的最复杂的机械系统是什么（结构 / 仿真 / 制造细节）
- 我做过的最有意思的项目 case（前后过程 + 关键决策）
- 我对「机械 ↔ 控制 ↔ 算法」三者接口的理解（哪里耦合最紧、哪里最容易出错）
- 我用过的所有仿真 / CAD / 制造工具链
- 如果让 AI 介入机械设计 / 仿真 / 制造，AI 应该做什么、做不了什么
- 我的机械经验里，哪些是「领域知识」+ 哪些是「重复劳动」
这份文档是面试核心素材。
Week 3：机器人控制 + 仿真基础
3 个推荐学习项（选 2-3 个，与你目标公司 / 岗位的方向匹配）：
- ROS（Robot Operating System）入门：B 站 / YouTube 大量免费课，1-2 周熟悉基本概念 + 跑通 turtlebot 仿真
- PyTorch 入门：Sentdex 系列 / 莫烦 Python，做完 MNIST + CIFAR-10
- 机器人学基础：Modern Robotics（Kevin Lynch 的免费在线课）— 跳过数学推导，看核心概念
Week 4：合成「机械 + AI 项目 PRD」
把现场文档 + 学到的 ROS / ML 框架知识合并，写一份「机械 + AI 系统设计 PRD」：
- 系统是什么（机械手 / 自动驾驶执行机构 / 智能产线）
- 机械结构的设计约束（自由度 / 公差 / 负载）
- AI 算法的角色（感知 / 决策 / 控制）
- 接口与故障容错（机械 → 算法 → 机械的闭环）
这是面试的核心 deliverable。
第 5-8 周：做一个 side project
Week 5：选场景 + 准备数据
3 个推荐场景（选 1 个，和你的工作背景越接近越好）：
| 场景 | 数据来源 | 难度 |
|---|---|---|
| 机械手抓取仿真（用强化学习） | Isaac Gym / PyBullet（开源） | 高（最值钱） |
| 车辆动力学控制 + 数据驱动调参 | CARLA 自动驾驶仿真 | 高 |
| 机械振动数据 + LSTM 故障分类 | NASA Turbofan / 你公司脱敏数据 | 中 |
| CAE 仿真用 ML 加速近似 | 公开 FEM 数据集 | 中 |
如果能拿到自己公司的真实数据（脱敏），这个 side project 比开源数据集的强 5 倍。
Week 6-7：跑实验 + 出结果
- 训模型 → 跑评测 → 记录失败 case → 调参 → 再训
- 重点记录：机械视角下，模型哪里和物理不一致（比如机械手抓取仿真里出现了不符合刚体动力学的姿态）— 这是机械工程师的差异化亮点
Week 8：写成案例 + 发布
包含：
- 解决的问题
- 系统设计图（机械 + 算法分块）
- 数据 + 模型选型
- 机械视角的反思：哪些 ML 结果违反物理直觉、哪些工艺约束 ML 没考虑
这是简历核心 demo，配 GitHub + 1 个短视频（机械手仿真录屏 / CARLA 跑车录屏）效果最好。
第 9-12 周：投简历 + 面试
Week 9：改简历
把原来的「N 年机械工程师」升级成「N 年机械 + 智能系统 + 1 个真实 ML / 机器人 side project」。
- 机械经历保留，但用「跨学科系统集成 / 仿真 + 数据驱动」的语言重写
- side project 单独一段，附 GitHub + 视频链接
- PRD 文档作为附件
Week 10-11：投这 4 类公司
| 优先级 | 公司类型 | 推荐岗位 |
|---|---|---|
| ⭐⭐⭐ | 新能源车 / 自动驾驶 | 蔚来、小鹏、理想、比亚迪、华为车 BU、雷克萨斯新能源、特斯拉中国 → 智能座舱机械、ADAS 机械集成、自动驾驶硬件 |
| ⭐⭐⭐ | 机器人创业公司 | 智元机器人、宇树科技、优必选、星海图、节卡机器人 → 机械 + 算法集成、灵巧手系统工程师 |
| ⭐⭐ | 智能制造 | 富士康鸿海 / 比亚迪精密 / 三星电子 / 大疆 → 智能制造经理、产线 AI 工程师 |
| ⭐ | 头部互联网机器人 | 字节跳动机器人、腾讯 Robotics X、阿里达摩 → 机器人系统集成 / 仿真工程师 |
Week 12：面试 + 谈 offer
面试常见问题：
- 「为什么从机械转 AI」→ 用你的现场经验文档第 6 节回答
- 「你能写算法吗」→ 诚实说「我能 hold 住机械 + 算法集成层，能用 PyTorch 跑实验，但不会从 0 训大模型」
- 「机械背景在我们这里能干啥」→ 用 side project + 机械视角的反思回答 — 物理直觉是你的差异化
- 「你怎么看待自动驾驶的下一个 5 年」→ 讲机械 + 算法接口在 L3/L4 阶段的关键作用
谈薪：机械 → 自动驾驶 / 机器人 + AI 复合岗起薪 22-40k，资深岗位（5+ 年 + 强 side project + 大厂背景）能到 50k+，比纯机械工程师高 30-100%。
不要犯的 3 个错
1. 不要去读《深度学习》《强化学习》大部头。你不是从 0 开始的算法工程师 — 直接跑 PyBullet / Isaac Gym 仿真 + 看 sample code 比啃书有用 10 倍。
2. 不要选「纯算法岗」。机械 → 纯算法的跨度太大（要 2-3 年），ROI 低。留在「机械 + 算法」复合岗反而是稀缺组合。
3. 不要海投互联网公司。互联网公司不需要机械背景。target 必须是车 / 机器人 / 智能制造 / 半导体。
12 周后你应该长什么样
- 一份机械经验文档（4000-6000 字）
- 一份机械 + AI PRD（2000-3000 字）
- 1 个真实跑过的 side project（含仿真录屏 + GitHub）
- 改造后的简历 + 求职信
- 投了 20-30 家公司 + 拿到 4-6 个面试 + 2-3 个 offer
核心是 100h 时间 + 你已有的机械经验，不是「转码读硕士」那种漫长 detour。
长期成长方向
- 横向：从单点 ML 集成 → 系统级机械 + 算法协同设计 → 跨产品线技术 lead
- 纵向：自动驾驶 senior 系统工程师 / 机器人技术负责人 → 50-80k 月薪可达
- 海外路径：英语过硬 + paper / 专利 → 投 Boston Dynamics / Figure AI / NVIDIA / Tesla — 起薪 $150-250k
下一步
- 想看机械工程师 AI 转型完整数据 + pivot targets → 机械工程师职业页
- 想看「自动驾驶 / 智能座舱」角色画像 → 自动驾驶角色页
- 想看「AI Agent 工程师」（机械工程师次大 pivot 目标）→ AI Agent 工程师 Lv2 篇
- 类似工程职业转岗参考 → 电气 → 自动驾驶 Lv3 篇