阿里巴巴
算法工程师-机器人感知
算法工程师-机器人感知
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Pytorch
Ros
姿态估计
嵌入式部署
深度学习
目标检测
计算机视觉
语义分割
值不值得投
75综合评分
综合评分 75
技术前沿、薪资有竞争力、成长空间大，但WLB可能一般。
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
3.5万
比计算机视觉工程中位数高
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 2860 个在招 · 其中计算机视觉工程 28 个
市场机会
选择面较广
杭州 · 计算机视觉工程 · 68 个在招
职位详情
关于这个职位
该职位专注于机器人场景下的感知算法研究与落地，包括目标检测、语义分割、深度估计、姿态估计等任务，并参与算法优化与部署到嵌入式平台，以提升实时性和鲁棒性
同时需要持续跟进学术界和业界前沿技术，通过创新探索拓展技术边界，推动前沿方案的产品化落地
最低要求
计算机相关专业本科及以上学历，图像处理、模式识别、计算机视觉等相关方向
具备顶级会议或期刊论文发表者优先
具备感知相关任务Benchmark或竞赛获奖经验者优先
技能基础：
·具备扎实的数学与算法功底，熟悉线性代数、概率论、最优化理论及机器人学基础
·精通C++/Python编程，熟悉PyTorch/TensorFlow等框架，熟练掌握ROS/OpenCV/PCL等工具链
·熟练掌握深度学习基础知识，熟悉目标检测/分割/深度估计/姿态估计/多模态感知等至少一个细分方向，并在该方向中具备深入的算法研发优化部署经验
在机器人或自动驾驶感知相关领域有实机开发部署优化经验者优先，具备机器人竞赛或相关实习经历者优先
逻辑清晰、自驱力强，具备良好的团队协作与沟通能力
工作职责
负责进行机器人场景下各类感知算法研究及落地，包括但不限于2D/3D目标检测、2D/3D语义实例分割、深度估计、姿态估计、手势识别、BEV/OCC感知、多模态感知、开集感知、VLA/Policy方案研发等任务
参与感知算法优化与部署，实现从模型训练到嵌入式平台的算法工程落地，提升实时性与鲁棒性
对学术界及业界前研算法方案的持续跟进，不断优化现有感知算法方案，结合应用场景通过创新探索拓展技术边界，促进前沿技术方案的产品转换落地
优先资格
具备顶级会议或期刊论文发表者优先
具备感知相关任务Benchmark或竞赛获奖经验者优先
在机器人或自动驾驶感知相关领域有实机开发部署优化经验者优先，具备机器人竞赛或相关实习经历者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，涉及机器人感知的多个核心方向，如BEV感知、VLA等，能接触行业最新技术
- 依托大平台资源，有实际产品落地机会，能积累宝贵的工程化经验
- 团队注重创新和探索，为个人技术成长提供广阔空间
- 项目可能涉及硬件集成和嵌入式平台优化，需要跨领域协作能力
- 适合对计算机视觉和机器人感知有浓厚兴趣、追求技术深度和实际落地、具备扎实编程和算法基础的求职者
缺点 / 挑战
- 算法研发和部署需要解决复杂场景下的实时性和鲁棒性问题，技术难度较高
- 需要持续跟进学术界和业界进展，保持学习状态，竞争压力可能较大
角色解读
- 技术专家路径：深耕感知算法领域，成为计算机视觉或机器人感知方向的技术专家，负责复杂技术方案设计
- 技术管理路径：积累项目经验后，可能带领小团队进行算法研发，向技术负责人或项目经理方向发展
- 研究科学家路径：持续学术探索，在顶尖会议发表论文，推动前沿技术突破，成为公司核心研发力量
- 研究机器人场景下的感知算法，包括2D/3D目标检测、语义分割、深度估计等任务，并推动算法在实际机器人系统中落地
- 参与算法优化与部署，将训练好的模型适配到嵌入式平台，确保实时性和鲁棒性满足应用需求
- 跟踪学术界和工业界最新技术进展，通过创新探索提升现有算法方案，促进技术向产品转化
- 具备扎实的数学基础（线性代数、概率论、最优化理论）和计算机视觉专业知识，熟悉深度学习框架如PyTorch/TensorFlow
- 精通C++/Python编程，熟练使用ROS、OpenCV、PCL等工具链，能够进行算法工程化开发和部署
- 在目标检测、语义分割、姿态估计等至少一个细分方向有深入的研究和项目经验，能独立进行算法研发与优化
申请策略
- 提前了解阿里巴巴在机器人或自动驾驶领域的业务布局，如达摩院、平头哥等团队的研究方向
- 准备面试时，梳理个人项目中的技术难点和解决方案，能清晰讲解算法原理和实现细节
- 突出相关领域的论文发表、竞赛获奖或Benchmark成绩，体现算法研究能力
- 详细描述参与过的机器人或自动驾驶感知项目，特别是算法优化和部署经验
- 强调编程技能（C++/Python）和工具链（PyTorch/ROS/OpenCV）的熟练程度
- 展示团队协作和沟通能力，如有跨部门合作经历可重点说明
- 深化计算机视觉和深度学习基础知识，特别是3D感知、多模态融合等前沿方向
- 加强嵌入式平台（如NVIDIA Jetson）的算法部署经验，学习模型压缩、量化等优化技术
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经历，突出个人贡献和技术创新
- 对于技术问题，先阐述基本原理，再结合实际案例说明如何应用和优化，最后总结经验教训
- 展示学习能力和对前沿技术的关注，可以提及近期读过的论文或尝试过的技术方案
- 请介绍一个你做过的最复杂的感知算法项目，包括技术选型、挑战和成果
- 如何将深度学习模型部署到嵌入式平台，并保证实时性？你有哪些优化经验？
- 对BEV感知或VLA方案的理解是什么？你认为未来发展趋势如何？
- 在团队协作中，如何与硬件工程师或其他软件团队配合完成算法集成？
- 复习计算机视觉核心知识，如CNN架构、目标检测算法（YOLO、Faster R-CNN）、分割模型（Mask R-CNN）等
职位点评
薪资福利75
成长发展85
工作生活60
使命价值75
薪资福利
75中等
该职位薪资预计在市场水准以上，但JD未披露具体福利，补偿性动机部分满足。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
技术栈前沿，涉及机器人感知多个新兴方向，提供丰富的学习和成长机会，对技能提升和职业发展有较好支持。
技术前沿前沿/新兴技术
技术栈计算机视觉、深度学习、PyTorch、ROS、BEV感知、VLA
业务类型ambiguous
工作生活
60中等
JD未提及工作模式、办公灵活性或WLB相关信息，无法判断具体生活化支持情况。
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
75中等
机器人感知技术应用于自动驾驶、智能制造等领域，有正向社会影响力，且行业处于增长赛道，能提供一定使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs