小米
自动驾驶-机器人算法实习生-2027届
自动驾驶-机器人算法实习生-2027届
发布于 大约 2 个月前实习/见习
北京市
初级经验
实习生
仅现场办公
硕士
研究与开发 (研发)
Nerf
Worldmodel
机器人
自动驾驶
3DGS
AIGC
End2End
LLM
VLA
AI 估算 · 6k–12k
大厂算法实习生薪资较高，北京生活成本高，综合行业水平估算
职位详情
关于这个职位
该职位主要参与自动驾驶和机器人方向的算法研发，聚焦端到端模型、多模态大语言模型（VLM、VLA）、3D生成式技术（3DGS、NeRF）等前沿领域
你将有机会深入研究WorldModel、空间智能等方向，并接触大规模数据集和仿真器
适合对具身智能和自动驾驶有浓厚兴趣、具备科研能力的研究生
最低要求
具备一定的科研背景：在自动驾驶、机器人相关的算法（包括BEV感知，E2E model，World Model，3D Gaussian，NerF，Stable Diffusion生成，LLM, VLA等 AIGC大模型）中的一个或多个领域有过深入研究的经历
有过相关领域的会议论文发表（CVPR、ICCV、ECCV等等）
面对未知的领域和问题，有非常强的自学能力
届硕士及以上学历在读，人工智能、计算机、自动化、数学相关专业优先
工作职责
参与自动驾驶、机器人方向，端到端、前沿多模态语言大模型(VLM，VLA)等相关算法的研发
参与多模态理解&3D生成式（3DGS,NeRF,VGGT）等算法、LLM/VLM/AIGC等方向的前沿技术，重点关注生成式、大语言模型和多模态模型Evaluation/SFT/Agent/数据合成技术等相关方向
参与WorldModel，空间智能，End2End，VLA等方向的研究
优先资格
相关领域有国内知名实验室、企业实习经历或发表相关论文、有算法编程竞赛/自动驾驶或机器人相关竞赛经历：如KITTI、nuScenes、Waymo、机器人、自动驾驶挑战赛等优先
有nuPlan，Navsim，Carla，CALVIN，OpenX，AGI等机器人、自动驾驶数据集或仿真器使用经验者优先
熟悉具身智能领域的前沿算法，如RDT、π0、OpenVLA、ACT、Diffusion Policy等优先
AI 洞察
优缺点分析
优点
- 加入小米自动驾驶团队，接触行业最前沿的技术方向，如VLM、3DGS等
- 大厂资源和算力丰富，有机会发表高质量论文并参与实际落地
- 实习经历含金量高，为后续求职或深造打下坚实基础
- 实习期可能面临高强度研究任务，与学业时间需合理平衡
- 适合已在自动驾驶或具身智能领域有研究基础、追求前沿技术突破、希望在大厂积累实战经验的硕博研究生
缺点 / 挑战
- 对科研背景要求高，需要已有一定成果（如论文），入门门槛较高
- 技术方向更新快，需要持续学习和大量阅读文献，压力较大
角色解读
- 算法实习生 → 转正为正式研究员/工程师，深入参与核心项目
- 在自动驾驶或具身智能领域深耕，成为细分方向技术专家
- 可向技术Leader或高级研究员发展，带领团队攻关前沿技术
- 参与自动驾驶和机器人领域的前沿算法研发，重点研究端到端模型、多模态大语言模型等
- 进行多模态理解与3D生成式算法的研究与落地，关注生成式AI和大语言模型的评估与微调
- 探索WorldModel、空间智能等方向，推动具身智能技术的发展
- 扎实的机器学习与深度学习基础，熟悉CNN、Transformer、扩散模型等
- 具备自动驾驶或机器人相关算法经验，如BEV感知、模型、NeRF等
- 有顶会论文发表经历或知名实验室实习经验，能独立开展研究
- 熟悉Python和至少一种深度学习框架（如PyTorch），有较强的代码能力
申请策略
- 在投递时附上个人研究总结或GitHub项目链接，展现代码和工程能力
- 提前了解小米自动驾驶和机器人团队的技术方向，在面试中体现匹配度
- 突出相关方向的论文发表经历，尤其是CVPR/ICCV/ECCV等顶会
- 重点展示在BEV感知、World Model、3DGS、LLM/VLM等方向的深入研究项目
- 列出算法竞赛或自动驾驶挑战赛的获奖经历，如KITTI、nuScenes等
- 系统学习扩散模型、多模态模型（CLIP、LLaVA）的最新进展，并动手复现论文
- 熟悉至少一个自动驾驶仿真器（如Carla）或机器人仿真器（如Isaac Sim）
面试指南
- 采用STAR法则描述项目：背景、任务、行动、结果，突出自己贡献和技术难点
- 对于前沿技术问题，先给出基本定义，再分析核心思想、优缺点，最后结合实际应用场景
- 展示自学能力：当被问到不熟悉的方向时，可以承认并分享快速学习的方法和计划
- 请详细介绍一下你在自动驾驶/机器人方向最满意的一个研究项目，包括方法、实验和结果
- 你对VLM/VLA模型的理解？它们在自动驾驶中如何应用？
- D Gaussian Splatting的优缺点是什么？与传统NeRF相比有何改进？
- 如何设计一个数据合成的pipeline来提升多模态模型的性能？
- 你如何看待World Model在具身智能中的作用？你熟悉的实现方式有哪些？
职位点评
76
综合评分
大厂核心研发实习，前沿技术栈，高成长性但要求高。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
最适合追求技术成长和前沿研究的求职者，对薪资福利要求不高，但渴望参与行业顶尖项目。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利60
成长发展95
工作生活60
使命价值70
薪资福利
60中等
实习生薪资处于行业中上水平，但大厂福利较好，稳定性高。
薪资信号未披露（AI估算：6K-12K/月）
成长发展
95较高
该职位聚焦最前沿技术，科研导向强，成长空间巨大，且有丰富的数据和算力支持。
技术前沿前沿/新兴技术
技术栈VLM、VLA、3DGS、NeRF、LLM、WorldModel、Diffusion Policy
业务类型ambiguous
工作生活
60中等
仅现场办公，但大厂一般有弹性工时，不过实习生可能需要高强度科研。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
自动驾驶和机器人是高速增长赛道，有较大社会价值，但作为实习生直接影响力有限。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
小米 的其他在招职位
相似职位推荐
Watch Jobs