石头科技
感知融合算法工程师
感知融合算法工程师
发布于 9 天前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Bev感知
Lora
Occupancy Network
Pytorch
多目标跟踪
模型量化
深度学习
目标检测
语义分割
值不值得投
68综合评分
综合评分 68
上海/北京具身智能感知算法岗，硕士门槛，前沿模型加端侧部署全链路
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
4.2万
比AI算法中位数高
发布情况
正常在招 · 9 天前发布
公司情况
这家公司招聘很活跃
37 个在招
市场机会
选择适中
上海 · AI算法 · 31 个在招
职位详情
关于这个职位
石头科技在上海/北京招聘感知融合算法工程师，负责基于摄像头与深度传感器的目标检测、分割、多目标跟踪、BEV感知与Occupancy Network等模型的设计优化，负责模型训练、精简量化，并推动感知算法在具身机器人平台的部署落地
要求硕士及以上、AI相关深度学习背景
最低要求
硕士及以上学历，计算机、电子信息、自动化、人工智能、机器人、数学等相关专业
扎实掌握CNN、Transformer、优化器（SGD/Adam）、反向传播、损失函数、正则、归一化等原理
精通主流深度学习框架，如PyTorch、TenserFlow，熟悉分布式训练（DDP、FSDDP）、混合精度（AMP）
深入理解在线学习、增量学习、持续学习、终身学习、小样本/自监督/半监督学习
有流式训练、增量微调、动态数据加载、模型热更新、遗忘抑制、低资源微调实践经验
了解LoRA/Adapter/QLoRA等参数高效微调
具备使用AI工具提高编程以及问题解决效率的能力
工作职责
设计、实现与优化基于摄像头/深度传感器的目标检测、语义/实例分割、多目标跟踪、BEV感知、Occupancy Network等模型
负责模型训练算法优化、模型精简、模型量化等工作
负责感知算法在具身机器人平台的部署落地与应用
AI 洞察
优缺点分析
优点
- 具身智能与机器人感知是当前最热门的AI方向之一，技术前沿性强
- 覆盖模型设计、训练、量化到端侧部署全链路，能力体系完整
- 硕士门槛与前沿学习范式要求，团队专业度高
- 知识栈要求极广（检测、分割、跟踪、增量学习、微调），学习负担重
- 算法落地机器人平台需反复调试优化，见效周期长
- JD 未提经验年限与薪酬，具体要求与待遇需面试确认
- 适合AI专业硕士背景、有感知算法与模型部署经验、想在具身智能前沿方向深耕的算法工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从感知算法工程师向高级算法专家、感知技术负责人发展
- 具身智能方向处于行业前沿，可成长为机器人AI领域的核心专家
- 算法与部署双修的背景有助于向AI系统架构或技术管理拓展
- 设计实现并优化基于摄像头与深度传感器的目标检测、分割、跟踪、BEV感知与Occupancy Network模型
- 负责模型训练优化、精简与量化，提升端侧部署效率
- 推动感知算法在具身机器人平台的部署落地与应用
- 硕士以上AI相关专业背景，扎实的深度学习原理基础
- 精通PyTorch等框架，熟悉分布式训练与混合精度
- 深入理解增量学习、持续学习等前沿学习范式并有实践经验
- 了解LoRA等参数高效微调方法，善用AI工具提效
申请策略
- 列出主导的感知算法项目，写明使用的模型架构与性能指标
- 展示模型量化、精简与端侧部署的实际成果
- 强调增量学习、持续学习等前沿范式的实践经验
- 体现PyTorch分布式训练与混合精度的工程能力
- 巩固BEV感知与Occupancy Network的原理与实现
- 练习LoRA/Adapter等参数高效微调的工程落地
- 学习机器人平台上的模型部署与推理优化
面试指南
- 项目介绍按「任务定义-模型设计-训练优化-部署效果」闭环讲述
- 前沿范式问题结合具体实践场景说明取舍
- 部署问题强调精度与算力平衡的量化方法
- 请介绍你做过的目标检测或分割项目，模型选型与指标如何？
- BEV感知与传统3D感知的区别及优势？
- 你如何进行模型量化与端侧部署优化？
- 增量学习中的遗忘抑制你是如何处理的？
- LoRA微调的原理及你在项目中的应用？
职位点评
薪资福利70
成长发展85
工作生活45
使命价值62
薪资福利
70中等
JD 未披露薪资与福利信息，硕士感知算法岗在北京上海薪资水平较高，满足程度需以实际offer为准。
薪资信号未披露（AI估算：3.0千–5.5万/月）
成长发展
85较高
具身智能感知方向处于AI前沿，覆盖模型设计到端侧部署全链路，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈BEV感知、Occupancy Network、增量学习、LoRA、模型量化
业务类型ambiguous
工作生活
45较低
JD 未提及办公模式与加班情况，算法研发节奏受模型迭代与部署节点影响，灵活性未知。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
62中等
感知融合算法服务于具身机器人，属于高前瞻性产业方向，但 JD 未提及使命导向表述。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs