格步
Lead Software Engineer, Perception (Robotics)
Lead Software Engineer, Perception (Robotics)
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
Autonomous Driving
Nvidia Orin
Robotics
值不值得投
82综合评分
综合评分 82
前沿具身AI技术、顶级大厂平台、高成长潜力，但需接受现场办公模式
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
5.5万
比自动驾驶中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
7 个在招
市场机会
选择面较广
上海 · 自动驾驶 · 约 200 个在招
职位详情
关于这个职位
作为感知与预测工程师，你将负责构建和交付多传感器数据处理的实时系统，核心职责包括开发多目标跟踪、开放集场景理解及运动预测算法
你需要结合传统几何方法与前沿深度学习模型（如VLA/具身基础模型），将研究成果转化为可部署在机器人车队中的生产级代码，确保系统在复杂真实环境下的安全性与可靠性
最低要求
至少3年机器人、自动驾驶或ADAS领域的感知/预测系统开发与落地经验
具备经典几何方法与基于学习方法的丰富经验，能根据场景选择合适的架构并保留可解释的安全回退机制
在多目标跟踪方面有深厚功底，熟悉数据关联、贝叶斯滤波、轨迹生命周期管理及ID稳定性优化
具备开放集感知（通用障碍物检测、占用网格、LiDAR聚类）的实战经验
在现代时序处理领域（如运动预测、占用流、流式BEV、世界模型等）有深入实践
掌握几何原理与多传感器系统基础，具备标定及诊断时间同步问题的能力
精通C++和Python，能编写高质量生产代码并考虑嵌入式实时性能
具备在噪声环境中通过实验复现、日志分析和仿真进行根因分析的能力
自我驱动，对自动驾驶和具身智能充满热情，具备辨别技术泡沫与稳健进展的判断力
熟练利用AI工具加速工程与研究，同时保证质量、安全性和可复现性
工作职责
开发和改进多目标跟踪系统，包括数据关联、贝叶斯状态估计、轨迹生命周期管理及ID稳定性，并向基于学习的跟踪演进
构建并加固通用/开放集世界理解能力，实现类无关障碍物检测和占用表示，确保机器人能对罕见或未知物体做出安全反应
为行人、骑行者、车辆等智能体构建运动预测模块，包括多模态轨迹预测、交互感知预测及不确定性估计
开发和评估端到端时序感知-预测方法，如联合检测-跟踪-预测、流式BEV表示及学习到的世界模型，同时保持模块化基线
探索VLM/VLA和具身基础模型在开放词汇感知、语义场景推理及长尾发现中的应用，并进行蒸馏、量化以适应机器人部署
加强相机、激光雷达、雷达和IMU之间的多传感器与时序集成，确保几何、时序、身份及语义上下文的一致性
定义跟踪、预测及通用对象检测的质量门禁指标，并通过车队日志根因分析降低回归错误
与检测、规划、数据基础设施等团队协作，将算法从研究阶段推进至可复现训练、仿真及NVIDIA Orin/TensorRT的生产部署
优先资格
具备端到端感知预测经验（联合检测-跟踪-预测、流式BEV、世界模型等）
熟悉VLM/VLA/具身基础模型的适应与部署（SFT/LoRA、蒸馏、量化、边缘推理）
拥有3D/BEV检测与传感器融合（如BEVFusion/LSS）、4D数据处理经验
熟悉ROS 2、NVIDIA Orin、TensorRT、DeepStream等主流机器人/感知库与平台
了解模型全生命周期管理：数据集构建、自动标注、主动学习、推理优化及车队数据反馈闭环
AI 洞察
优缺点分析
优点
- 身处自动驾驶与具身智能前沿，接触大规模真实车队数据
- 国际巨头平台，技术栈先进（VLA/End-to-End）
- 要求兼顾传统几何方法与前沿AI模型，技术广度与深度要求极高
- 需解决复杂真实场景下的长尾问题
- 具有扎实算法功底且渴望在真实机器人场景中落地AI技术的资深工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向首席感知科学家、自动驾驶系统架构师或具身智能技术负责人方向发展
- 负责构建和优化机器人的感知与预测系统，将多传感器数据转化为可靠的世界模型
- 精通C++/Python，熟练掌握多目标跟踪、运动预测、传感器融合及深度学习模型部署
申请策略
- 准备展示你对‘安全回退机制’和‘可解释性’的思考，这在自动驾驶领域至关重要
- 突出在自动驾驶/机器人领域的实际落地项目，特别是多传感器融合、跟踪预测算法的工程化经验
- 加强对VLM/VLA等基础模型在机器人领域应用的理解，熟悉NVIDIA Orin等边缘计算平台的部署优化
面试指南
- 采用STAR法则，重点描述遇到的具体技术瓶颈、采用的理论依据、实验验证过程及最终的业务/技术指标提升
- 如何在遮挡和密集场景下保持多目标跟踪的ID稳定性？
- 请比较传统几何方法与端到端学习模型在感知系统中的优劣及融合策略
- 如何处理开放集场景下的未知障碍物检测？
- 在资源受限的边缘设备上，如何优化大型感知模型的推理延迟？
- 复习贝叶斯滤波、卡尔曼滤波原理
- 熟悉最新的BEV感知论文（如BEVFusion, BEVFormer）
- 了解Transformer在时序预测中的应用
职位点评
薪资福利85
成长发展92
工作生活65
使命价值80
薪资福利
85较高
作为已上市的跨国巨头，提供完善的全球福利体系（寿险、医疗、弹性福利包），薪资水平对标一线大厂，补偿性动机满足度较高。
薪资信号偏高 (4.0千–7.0万/月)
福利待遇Term Life Insurance、Medical Insurance、GrabFlex、Parental leave、Birthday leave、Love-all-Serve-all (LASA) volunteering leave、Grabber Assistance Programme
成长发展
92较高
职位涉及最前沿的具身AI、VLA模型及端到端感知技术，技术栈极具前瞻性，且强调从原型到车队的完整生命周期，成长空间巨大。
技术前沿前沿/新兴技术
技术栈VLA、Embodied Foundation Models、End-to-end perception、Streaming BEV、World Models、NVIDIA Orin、TensorRT
业务类型profit_center
工作生活
65中等
虽然公司提供弹性福利和志愿者假期，但明确要求“onsite”（现场办公），且自动驾驶行业通常伴随较高的研发压力和迭代节奏，WLB中等。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
工作生活平衡Parental leave、Birthday leave、Love-all-Serve-all (LASA) volunteering leave
使命价值
80较高
职位直接服务于解决最后一公里物流劳动力短缺问题，具有明确的社会价值和商业使命，符合追求技术改变世界的求职者动机。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号address current delivery labour shortages、driving Southeast Asia forward by economically empowering everyone
创新程度开拓性创新（行业首创）
格步 的其他在招职位
相似职位推荐
Watch Jobs