美团
具身智能视觉算法专家
具身智能视觉算法专家
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计算机视觉工程
计算机视觉工程
3D重建
具身智能
多模态感知
数据管线
模型部署
深度学习
计算机视觉
Slam/Sfm
值不值得投
80综合评分
综合评分 80
前沿具身智能赛道、技术资源丰富、发展性强，薪资竞争力高，常规互联网节奏。
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
8.0万
比计算机视觉工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 5580 个在招 · 其中计算机视觉工程 4 个
市场机会
选择面较广
北京 · 计算机视觉工程 · 约 150 个在招
职位详情
关于这个职位
该职位专注于具身智能无人机领域的视觉算法研发，核心工作涵盖头部跟踪、人体3D重建、关键点检测及场景交互理解等模型的算法设计与优化
同时负责搭建自动化数据管线与标注平台，推动AI技术在真实配送场景中的工程化落地与效能提升
最低要求
熟悉手部重建、关键点检测、多模态理解等计算机视觉领域的主流算法和研究进展，有相关项目经验者优先
精通深度学习主流框架，具备模型训练、优化、部署全流程实战经验
熟悉主流的SLAM、SFM框架，了解前馈式重建方法的原理和研究进展，具备相关项目经验和论文发表者优先
具备良好的数据分析能力，熟悉数据标注流程及自动化标注系统的开发与应用
具备利用AI技术解决复杂工程问题的能力，并能评估其在实际场景中的有效性与局限性;
熟练运用AI辅助工具（如代码生成、数据分析、模型调优等）进行算法开发与优化;
工作职责
负责头部跟踪、人体3D重建、3D关键点检测、场景重建等核心算法的设计、实现和优化，提升模型在开放场景下的鲁棒性和精度
研发高效的场景交互分割/理解/重建模型，推动具身智能场景下多模态感知与环境交互理解能力的提升
负责相关模型的训练、调优与评估，并集成相应模型到数据平台，支持自动标注与高效质检，赋能大规模数据生产
建设原始数据自动清洗、自动标注、以及多样性分析等数据管线，确保输出符合模型训练标准的高质量数据集
负责将AI工具与方法应用于算法研发全流程，提升开发效率与解决方案的智能化水平
优先资格
熟悉手部重建、关键点检测、多模态理解等计算机视觉领域的主流算法和研究进展，有相关项目经验者优先
熟悉主流的SLAM、SFM框架，了解前馈式重建方法的原理和研究进展，具备相关项目经验和论文发表者优先
AI 洞察
优缺点分析
优点
- 参与行业领先的无人机即时配送业务，技术落地场景真实且业务规模持续扩大
- 接触一线海量真实世界数据与算力资源，算法迭代反馈链路短
- 团队聚焦前沿具身智能方向，技术成长空间广阔，履历含金量高
- 开放场景下的算法鲁棒性要求极高，需应对复杂光照、动态遮挡等长尾问题
- 适合追求技术深度与落地结合、抗压能力强、对机器人/无人机视觉有浓厚兴趣的资深算法工程师
缺点 / 挑战
- 薪酬体系完善，配合上市公司平台稳定性，职业发展抗风险能力强
- 需兼顾算法创新与工程部署效率，对全栈能力与跨团队协作要求较高
- 创新业务线可能伴随阶段性考核压力，需保持高强度技术攻坚状态
角色解读
- 可向首席算法科学家或资深技术专家方向深耕，主导前沿视觉感知技术路线
- 转向具身智能整体架构师或无人机业务技术负责人，统筹算法与系统工程落地
- 长期可拓展至自动驾驶、人形机器人、低空经济等交叉领域，积累复合型技术壁垒
- 聚焦具身智能无人机的视觉感知算法研发，负责3D重建、关键点检测等核心模型的算法设计与优化
- 搭建自动化数据管线与标注平台，保障高质量训练数据集的持续产出
- 推动AI技术与工程方法在真实配送场景中的落地，解决开放环境下的模型鲁棒性问题
- 利用AI辅助工具优化算法研发全流程，提升开发效率与解决方案的智能化水平
- 精通计算机视觉与深度学习主流框架，具备模型训练、优化与端侧部署的全流程实战经验
- 掌握SLAM/SFM技术及多模态理解算法，熟悉前馈式重建方法与自动化标注系统开发
- 具备扎实的数据分析与工程问题解决能力，能评估AI方案在实际场景中的有效性
- 熟练使用AI辅助编程与调优工具，适应快速迭代的算法研发节奏
申请策略
- 提前研究美团无人机公开的技术博客、专利与产品动态，准备针对性问答
- 准备1-2个完整的项目闭环案例，清晰阐述从数据采集、标注、训练到部署的决策逻辑
- 突出3D视觉/SLAM相关项目成果，量化模型精度提升与端侧部署性能指标
- 强调数据管线建设与自动化标注系统开发经验，展示数据治理方法论
- 展示AI辅助研发提效的具体案例，体现工程化思维与工具链整合能力
- 附上代表性论文或开源项目链接，增强技术可信度
- 深入研读CVPR/ICCV最新具身智能与多模态感知论文，跟踪前沿技术趋势
- 强化C++高性能部署与边缘计算优化能力，熟悉模型量化与算子融合技术
面试指南
- 采用STAR法则结构化回答项目背景、核心挑战、技术方案选型与量化结果，突出工程落地价值
- 针对数据管线问题，重点阐述主动学习策略、半自动标注机制与质量评估闭环设计
- 针对部署问题，说明算子融合、INT8量化、内存优化及硬件适配的具体实践路径
- 请分享一个你主导的3D重建或关键点检测项目，如何解决开放场景下的泛化与鲁棒性问题？
- 如何设计自动化数据标注管线，在保证效率的同时确保数据集质量符合模型训练标准？
- 在算力受限的无人机端侧设备中，如何进行模型压缩、加速与实时性保障？
- 面对长尾场景数据匮乏的情况，你会采用哪些策略进行数据增强或主动学习？
- 复习深度学习底层原理与主流CV模型架构，梳理经典算法的优缺点与适用边界
职位点评
薪资福利82
成长发展92
工作生活58
使命价值85
薪资福利
82较高
基于岗位层级与市场定位，该职位薪酬竞争力较强，配合成熟企业福利体系，对稳定性与物质回报的满足度较高。
薪资信号未披露（AI估算：6.0千–10.0万/月）
成长发展
92较高
聚焦前沿具身智能与无人机视觉，提供一线数据资源与技术落地机会，发展性动机极强。
技术前沿前沿/新兴技术
技术栈3D重建、SLAM、SFM、多模态理解、深度学习、具身智能、自动化标注
成长机会参与前沿具身智能技术研发、推动技术从实验室到实际场景的落地
业务类型profit_center
工作生活
58较低
JD未明确提及弹性工时或加班政策，结合硬件算法岗位特性，工作模式以现场为主，生活化动机满足程度中等。
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
致力于改善城市即时配送与医疗物资急送效率，具有明确的社会价值与行业前景。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号更好地提升城市即时配送的效率与体验、在医疗场景中...建设端到端的全天时急送网络
创新程度积极采用新技术
美团 的其他在招职位
相似职位推荐
Watch Jobs