初速度
自动驾驶感知算法专家
自动驾驶感知算法专家
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Pytorch
图像分割
多传感器融合
数据结构与算法
深度学习
目标检测
自动驾驶感知
值不值得投
75综合评分
综合评分 75
自动驾驶前沿技术岗、薪资优厚、技术成长空间极大，但技术攻坚压力较大。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
6万
比自动驾驶中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
73 个在招
市场机会
选择面较广
北京 · 自动驾驶 · 约 170 个在招
职位详情
关于这个职位
该职位主要负责自动驾驶感知系统中Occupancy算法的迭代与优化，构建真值生成流程并提升长尾障碍物检出能力
你需要精通C++/Python及深度学习框架，解决真实场景中的复杂感知难题，推动算法在自动驾驶产品中的落地
最低要求
硕士及以上学历，计算机、机器人、自动化等相关专业
精通C++和Python编程语言，并具备扎实的数据结构与算法设计基础
对机器学习、深度学习有深刻理解，且在目标检测、图像分割、多传感器融合等领域有丰富的应用研究或实践背景
强大的算法开发能力，熟悉并能灵活运用PyTorch等主流深度学习框架进行模型训练与迭代
具有出色的商业洞察能力和自我驱动精神，对于利用算法技术解决实际问题抱有热情和勇气
对技术有极致追求，能独立解决复杂问题，主导技术攻关，并具备跨团队协作推动项目的能力
工作职责
担任关键角色，参与自动驾驶感知系统中的“Occupancy”（占用网格识别）算法的迭代发展
负责构建准确的“Occupancy”算法真值生成流程，并确保其在自动驾驶产品中的有效实施与持续优化
主导解决技术难题，大幅度优化提升真实场景中长尾障碍物检出能力和感知精度
优先资格
有成功将Occupancy感知算法整合到自动驾驶系统并实现落地的经验者优先
AI 洞察
优缺点分析
优点
- 处于自动驾驶核心技术领域，Occupancy网络是当前3D感知的前沿热点，技术含金量极高
- 初速度作为头部自动驾驶企业，拥有丰富的量产数据和车端落地场景，利于算法验证与迭代
- 算法从研发到车端量产落地周期长、环节多，需协调数据、工程、测试等多个团队，沟通成本高
- 适合在3D感知、多传感器融合领域有深厚积累，渴望在自动驾驶量产落地中解决世界级技术难题的资深算法人才
缺点 / 挑战
- 专家级岗位赋予较高的技术决策权，能主导技术攻关，个人技术影响力提升快
- 长尾障碍物（Corner Case）解决是行业公认难题，技术攻坚压力大，需要极强的抗压能力
角色解读
- 纵向可发展为自动驾驶感知算法首席专家或技术总监，引领前沿技术方向
- 横向可拓展至自动驾驶系统架构师或感知算法团队负责人，统筹跨模块技术攻关
- 负责自动驾驶感知系统中Occupancy（占用网格）算法的研发与迭代，提升3D环境感知能力
- 构建并优化Occupancy算法的真值生成流程，确保算法在量产自动驾驶产品中的高效落地
- 攻克真实场景下的长尾障碍物（Corner Case）检出难题，大幅提升感知精度和系统安全性
- 精通C++和Python，具备扎实的数据结构与算法基础，能高效进行工程实现
- 深入理解机器学习与深度学习，在目标检测、图像分割、多传感器融合领域有丰富经验
- 熟练使用PyTorch等框架，具备从模型训练到车端部署的全链路算法开发能力
申请策略
- 提前了解初速度的量产自动驾驶方案（如Momenta MPilot），理解其感知算法的技术路线和痛点
- 重点突出在Occupancy、BEV感知或3D目标检测领域的实际项目经验及落地成果
- 展示处理长尾场景（Corner Case）的具体方案，如真值生成流程优化、多传感器融合策略等
- 强调C++/Python工程能力，特别是算法在车端或边缘计算平台上的部署与性能优化经验
- 深入了解Occupancy网络的前沿论文（如TPVFormer、FlashOcc等）及开源实现，掌握最新技术动态
- 复习并强化C++高性能编程及CUDA优化技能，提升模型推理效率
面试指南
- STAR法则：情境（场景难点）-> 任务（目标）-> 行动（具体算法设计/工程优化）-> 结果（指标提升/落地效果）
- 技术深度剖析：从数据分布、模型结构（如Transformer/CNN）、损失函数设计、后处理等多个维度系统性回答
- 请详细介绍你过去在Occupancy或BEV感知算法上的项目经验，遇到了哪些技术瓶颈，如何解决的？
- 在构建Occupancy真值生成流程时，如何处理LiDAR与Camera的时空同步及标定误差问题？
- 针对真实场景中的长尾障碍物（如异形车辆、散落物），你在算法层面有哪些优化策略？
- 如何将庞大的Occupancy模型进行轻量化，以满足车端实时推理的算力要求？
- 准备1-2个自己主导的、最具技术深度的感知算法落地项目，梳理其中的核心创新点和踩坑经验
- 复习多传感器融合（Camera+LiDAR）的底层原理，了解初速度在融合感知方面的技术偏好
职位点评
薪资福利85
成长发展90
工作生活40
使命价值75
薪资福利
85较高
作为自动驾驶核心算法专家岗，薪资水平处于行业前列，能较好地满足对高薪酬的期望。
薪资信号未披露（AI估算：4.5千–7.5万/月）
成长发展
90较高
Occupancy算法是当前自动驾驶感知的前沿方向，技术壁垒高，能极大提升个人在行业内的技术竞争力。
技术前沿前沿/新兴技术
技术栈C++、Python、Occupancy、目标检测、图像分割、多传感器融合、PyTorch、深度学习
成长机会主导技术攻关、跨团队协作推动项目
业务类型profit_center
工作生活
40较低
JD未提及工作模式与WLB信息，但算法专家岗通常面临较高的技术攻坚压力，工作强度可能较大。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
自动驾驶技术致力于提升交通安全与效率，具有较高的社会价值与行业前景。
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
Watch Jobs