中国远洋运输集团
船舶视觉感知技术专家
船舶视觉感知技术专家
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Pytorch
Ros
Slam
Vla
多模态大模型
海洋工程
目标检测
自动驾驶
计算机视觉
值不值得投
75综合评分
综合评分 75
技术前沿、应用独特的专家岗，成长性极高，但可能需适应复杂场景和出差要求。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
40K
比自动驾驶中位数高
发布情况
新岗位 · 3 天前发布
公司情况
这家公司招聘很活跃
约 300 个在招
市场机会
选择不多
深圳 · 自动驾驶 · 3 个在招
职位详情
关于这个职位
该职位负责研发应用于船舶及陆上交通场景的视觉感知核心算法，包括目标检测识别、环境态势感知、波浪观测等
工作涉及多模态大模型、三维视觉、数据闭环等前沿技术的研究与工程化落地，旨在提升海洋工程与智能驾驶系统的感知与决策能力
最低要求
学历与经验：计算机视觉、人工智能、机器人、海洋工程、模式识别或相关交叉学科博士研究生学历
非应届博士需具备2年以上相关工作经验或博士后视觉算法研发经验，副高级职称者优先考虑
技术能力：精通Python/C++，熟练使用PyTorch、OpenCV、ROS等主流框架与工具链
熟悉以下至少一个领域并有深入实践经验：（1）目标检测/分割/跟踪：如YOLO、DETR、SAM、Mask2Former等
（2）三维视觉与SLAM：单目/双目深度估计、NeRF/3D高斯泼溅、VINS-Fusion、DROID-SLAM等
（3）多模态大模型：VLM/VLA、端到端自动驾驶、强化学习/模仿学习
（4）海洋视觉：波浪图像分析、水下图像增强、多传感器融合感知
学术与工程素养：在CVPR/ICCV/ECCV/NeurIPS/ICRA/Ocean Engineering等顶级会议或期刊发表过高水平论文，具备独立调研、复现及改进前沿算法的能力
拥有从算法原型到工程化部署的完整项目经验，熟悉边缘端推理优化、模型量化、嵌入式部署者优先
综合能力：具备跨部门协作与项目管理能力，能将业务需求拆解为可量化的技术目标
良好的英语读写能力，能高效阅读文献并撰写技术报告或专利
工作职责
一、岗位职责
（一）视觉感知核心算法研发
负责复杂环境下视觉目标检测、识别、跟踪算法设计与优化，支撑海上目标（船只、浮标、障碍物）与陆上动态目标（车辆、行人、交通标志）的高精度感知与融合
开展环境态势感知技术研究，融合视觉与其他传感器数据（如毫米波雷达、激光雷达），实现场景理解、可行驶区域划分及目标行为预测
（二）波浪观测与海洋环境视觉感知
开发基于视觉的波浪参数反演算法（如波高、波长、波向），利用视频或图像序列分析海面动态特征
构建面向海洋工程与装备的视觉感知系统，支持海上风电运维、无人船/水下机器人（AUV/ROV）的环境感知与自主导航
（三）自动驾驶与端到端模型研发
研究视觉-语言-动作（VLA）多模态大模型，探索端到端自动驾驶架构，提升车辆在复杂交通场景中的理解、推理与决策能力
负责Occupancy感知网络、语义SLAM、三维重建等前沿技术的研发与车端/边缘端部署优化
（四）数据闭环与工程化落地
设计并优化数据采集-标注-训练-评测全链路体系，利用自动标注、场景仿真等技术高效构建高质量数据集
推进算法在真实业务场景（海洋监测、智能驾驶、工业巡检）中的稳定运行与持续迭代，确保系统安全性与鲁棒性
优先资格
加分项：1. 自动驾驶实车部署经验：有Robotaxi、矿区无人驾驶、港口自动驾驶等项目落地经历
海洋领域背景：熟悉海上目标探测、波浪监测或水下机器人感知系统
AI 洞察
优缺点分析
优点
- 技术栈前沿，涉猎多模态大模型、VLA、自动驾驶等热门领域，有很高的技术成长性
- 应用场景独特，将顶尖AI技术应用于海洋工程和智能航运这一蓝海市场，项目有很高的社会价值和行业影响力
- 公司为行业巨头平台稳定，资源丰富，能提供大型、复杂的工程化落地场景
- 职位要求高，对标的是专家级人才，有利于构建深厚的个人技术壁垒
- 技术要求全面且深入，需要同时具备扎实的算法理论、工程实现能力和跨学科知识，学习曲线陡峭
- 可能需要出差或驻场，前往海上平台、港口或测试场地进行数据采集、系统部署和验证工作
- 适合拥有计算机视觉或机器人学博士学位，对自动驾驶和海洋工程交叉领域有浓厚兴趣，不满足于纯理论研究，追求技术从实验室走向真实复杂场景落地的技术专家型人才
缺点 / 挑战
- 业务场景复杂，海洋环境下的视觉感知（如波浪、水下成像）技术难度大，需克服光线、遮挡、动态背景等独特挑战
角色解读
- 技术专家路线：持续深耕视觉感知领域，成为在海洋智能或自动驾驶感知方向具有行业影响力的技术权威
- 技术管理路线：带领算法团队，负责更大规模的视觉感知项目，推动技术产品化，向技术总监或首席科学家方向发展
- 业务融合路线：将技术能力与航运、海洋工程等具体业务深度结合，成为推动行业智能化变革的核心技术负责人
- 设计和优化视觉感知核心算法，处理海上和陆上复杂场景下的目标检测与识别
- 融合视觉、雷达等多种传感器数据，构建环境态势感知和场景理解能力
- 研发视觉波浪参数反演算法和海洋工程装备的自主导航感知系统
- 探索VLA等多模态大模型在自动驾驶中的应用，并完成算法的工程化部署与数据闭环构建
- 精通Python/C++编程及PyTorch、ROS等主流开发框架
- 在计算机视觉领域有深入实践，至少熟悉目标检测/跟踪、三维视觉/SLAM、多模态大模型或海洋视觉中的一门
- 具备从顶会论文中独立调研、复现和改进算法的能力，以及将算法从原型部署到边缘设备的工程化经验
- 拥有跨学科背景（如计算机视觉与海洋工程交叉）和良好的英语读写与沟通协作能力
申请策略
- 在求职信或面试中，表达对中远海运将AI技术应用于传统航运业的理解和兴趣，展示你的业务洞察力
- 准备一份关于“视觉感知在海洋场景下的挑战与解决方案”的简短技术报告，这能极大体现你的专业深度和准备度
- 突出在顶会（CVPR/ICCV/ICRA等）上发表的视觉感知相关论文，并简要说明其技术贡献和解决的问题
- 详细描述1-2个完整的视觉算法项目经历，涵盖从算法设计、训练、优化到最终工程部署（尤其是边缘端/车端）的全过程
- 如果有自动驾驶实车（如Robotaxi、无人卡车）或海洋领域（如水下机器人、海上监测）的项目经验，务必重点强调
- 展示跨部门协作经历，说明如何将技术需求与业务目标（如港口效率提升、航行安全）对齐
- 如果缺乏海洋工程背景，可快速学习波浪动力学、海洋声学等基础知识，了解水下光学成像的特点与挑战
- 深入研究视觉-语言-动作（VLA）模型的最新进展，如RT-2、UniSim等，并尝试复现关键模块
面试指南
- 使用STAR法则（情境-任务-行动-结果）来组织回答，清晰展示你的思考过程和项目成果
- 对于技术方案类问题，从问题定义、数据特点、模型选择、工程优化、评估指标等多个维度进行结构化阐述
- 在讨论挑战时，不仅要指出问题，更要提出你考虑过的解决方案或未来的研究方向
- 请描述一个你在复杂环境（如低光照、遮挡、动态背景）下实现高精度目标检测的算法优化案例
- 如何设计一个系统，将视觉、毫米波雷达和激光雷达的数据融合，用于海上船舶的态势感知？
- 对于VLA端到端自动驾驶模型，你认为其相比传统模块化方案，在工程化落地时会面临哪些主要挑战？
- 在数据闭环体系中，你如何利用仿真或自动标注技术，高效获取和迭代用于海洋视觉模型训练的数据？
- 系统梳理你的博士论文或核心项目，提炼出1-2个最具代表性的技术亮点，并能用通俗语言向非专业人士解释
职位点评
薪资福利70
成长发展95
工作生活50
使命价值85
薪资福利
70中等
作为上市巨头企业的资深专家岗位，薪资应有市场竞争力，但具体薪酬未在JD中披露，存在不确定性。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
95较高
职位涉及视觉感知最前沿的技术方向（VLA、Occupancy网络），并要求顶会论文和工程化经验，技术挑战性高，成长空间巨大，且能接触到海洋工程这一独特应用场景。
技术前沿前沿/新兴技术
技术栈VLA、Occupancy感知网络、语义SLAM、3D高斯泼溅、端到端自动驾驶、视觉-语言-动作模型、波浪参数反演
业务类型profit_center
工作生活
50较低
工作地点位于广州或深圳，生活便利度尚可，但岗位可能涉及前往海上平台或港口的出差，办公模式未明确，平衡工作生活的自由度有限。
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
85较高
技术应用于海洋工程、智能航运、海上风电运维等，具有明确的社会价值和产业价值，有助于提升航运安全、效率和海洋资源开发能力，意义感强。
行业发展新兴领域（暂难判断）
社会影响正向社会影响力较高
使命信号推动集团的数字化与智能化转型、提升海洋工程与智能驾驶系统的感知与决策能力
创新程度开拓性创新（行业首创）
Watch Jobs