石头科技
Slam算法工程师
Slam算法工程师
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公机器人开发
机器人开发
Cartographer
Ros
Slam
多传感器融合
激光Slam
状态估计
视觉Slam
值不值得投
70综合评分
综合评分 70
机器人核心算法岗，技术栈硬核、量产落地经验值高，工作节奏与办公模式在 JD 中未披露。
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
3.5万
比机器人开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
24 个在招 · 其中机器人开发 2 个
市场机会
选择面较广
深圳 · 机器人开发 · 57 个在招
职位详情
关于这个职位
你将负责扫地机器人激光与视觉 SLAM 的定位、建图与状态估计算法研发，从仿真平台搭建、早期数据采集，一直跟进到试产阶段的传感器指标标定与量产后售后问题分析
岗位要求扎实的数学与 C/C++ 工程能力，并熟悉 LOAM、ORB-SLAM、VINS、Cartographer 等主流定位建图框架
最低要求
硕士及以上学历，计算机、软件工程、机械学等相关专业
有良好的数学基础，对优化方法、刚体运动有一定的了解
熟悉计算机视觉或者激光定位基础理论，了解经典的定位算法
C/C++ 编程，有良好编码风格
工作职责
负责激光/视觉 SLAM 定位、建图、状态估计、多传感器融合等算法的研发
负责定位建图相关算法的仿真平台搭建、仿真验证、仿真数据维护
负责与定位建图算法相关的早期验证数据采集
负责试产过程中与定位相关传感器的性能评估、极限、门限指标确定与验证结果评定
负责试产过程中内外测用户数据分析、量产后售后问题分析
优先资格
有如下经验者优先：lio-sam，loam，Fast-lio 系列，orb-slam 系列，okvis，vins-mono，svo，cartographer，msckf，openvins 等
有机器人相关实验室/挑战杯/科技小组经历者优先
AI 洞察
优缺点分析
优点
- SLAM 是消费级机器人最关键的技术壁垒之一，岗位处于核心技术链路，技能沉淀深、可迁移性强
- 从仿真、早期数据采集到试产、量产售后的全链路参与，能积累稀缺的量产落地经验
- 涉及激光与视觉多传感器融合，技术栈覆盖面广，对未来跳槽与转岗形成加分
- 数学理论与工程实现双重要求，定位类问题往往因果难定位，调试周期长
- 需要与试产、售后环节对接，工作节奏受产品节点与量产问题驱动
- 消费级产品对成本、算力、功耗有硬约束，算法方案常需在精度与实时性之间做取舍
- 适合数学基础扎实、喜欢软硬结合与真机调试、愿意在机器人定位导航方向长期深耕的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向发展为定位导航算法专家或技术负责人，主导整机导航方案与架构
- 横向可拓展到感知、规划控制、系统集成等机器人全栈方向，形成完整的产品级能力
- SLAM 技能可迁移至自动驾驶、AGV/AMR、无人机、AR/VR 等对定位建图有强需求的领域
- 负责扫地机器人激光/视觉 SLAM 的定位、建图、状态估计与多传感器融合算法研发，属于整机自主导航的核心模块
- 搭建并维护定位建图仿真平台，做仿真验证与早期验证数据采集，用数据支撑算法迭代
- 跟进试产与量产阶段：评估定位相关传感器的性能与极限门限指标，分析内外测用户数据与售后定位问题
- 扎实的 C/C++ 编程与工程化能力，代码风格规范，能在嵌入式算力约束下做性能优化
- 良好数学基础，理解最优化方法、刚体运动与状态估计（滤波、图优化）等理论
- 熟悉激光或视觉定位基础理论，掌握 LOAM/LIO-SAM/Fast-LIO、ORB-SLAM、VINS、Cartographer 等经典框架之一或多者
- 具备真机调试与多传感器（IMU、轮速、激光、相机）标定、时间同步的实操能力
申请策略
- 提前了解石头科技的产品线与导航方案演进，面试时能结合产品谈算法取舍会更占优势
- 整理弱纹理、打滑、动态障碍等异常场景的处理经验，这是定位岗高频考察点
- 明确列出实际使用过的 SLAM 框架（LOAM/LIO-SAM/Fast-LIO/VINS/ORB-SLAM/Cartographer）及自己在项目中的具体分工
- 用数据量化成果：定位精度、建图误差、回环成功率、CPU/内存占用、实时性提升幅度等
- 突出 C/C++ 工程能力：模块设计、代码重构、性能优化或开源贡献
- 若有真机部署、传感器标定、量产问题排查经历，务必单列并写清处理过程与结论
- 补强 IMU 预积分、因子图优化与常用求解库（Ceres、g2o、GTSAM）的实战经验
- 熟悉 ROS/ROS2 与仿真工具链（Gazebo、Isaac Sim），能独立搭建验证环境
面试指南
- 讲项目用「问题背景—方案选型—取舍理由—量化结果—复盘改进」的结构，突出你的决策点
- 把数学原理到工程实现的链路讲清楚，例如因子图建模 → 求解器选择 → 实时性优化
- 面对开放性问题先拆解场景与约束，再给出分层方案与验证手段，体现系统性思维
- 介绍一个你主导的 SLAM 项目，前端与后端分别如何设计，为什么这样选型？
- 激光与视觉融合时，你如何做时间同步与外参标定，误差怎么评估？
- 回环检测误匹配导致地图漂移，你会如何定位并解决？
- 扫地机在打滑、低纹理、动态障碍场景下定位失效，你的处理思路是什么？
- 在嵌入式算力受限的条件下，你做过哪些算法或工程优化？
职位点评
薪资福利66
成长发展86
工作生活55
使命价值72
薪资福利
66中等
JD 未披露薪资范围与福利待遇，薪酬竞争力需在面试环节确认；岗位为消费机器人核心算法方向，通常具备一定议价空间。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
86较高
岗位覆盖 SLAM 算法研发、仿真验证到量产落地的完整链路，技术栈前沿且积累硬核，长期成长性强。
技术前沿前沿/新兴技术
技术栈SLAM、C/C++、激光SLAM、视觉SLAM、多传感器融合、状态估计、lio-sam、Fast-lio、ORB-SLAM、VINS-Mono、Cartographer、MSCKF、OpenVINS
业务类型profit_center
工作生活
55较低
JD 未提及办公模式、弹性安排或加班情况，可判断信息有限；职责包含试产过程跟进与量产后售后问题分析，工作节奏与产品节点关联度较高。
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
72中等
消费级机器人属于稳定成长的技术赛道，岗位直接决定产品导航体验，技术价值明确；JD 未阐述使命或价值导向类表述。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs