感知/端到端算法工程师

优缺点分析

角色解读

• 可向技术专家方向发展，深耕感知算法或端到端模型，成为团队核心技术骨干
• 可向技术管理方向发展，带领算法团队，负责项目规划与推进
• 可横向拓展至机器人、自动驾驶等更广泛的AI领域，或转向产品、解决方案等方向
• 负责无人机感知算法的研发，包括目标检测、跟踪、场景理解等，并推动与端到端模型的融合
• 探索端到端感知决策模型，从多模态传感器输入到机器人动作输出的算法方案
• 建立数据闭环，参与数据采集、标注、难例挖掘、仿真数据生成，分析模型误差并优化
• 参与模型部署和实机测试，评估在复杂场景下的鲁棒性，并探索前沿技术如视觉语言模型、世界模型等
• 扎实的编程基础，熟悉Python，了解C++，能使用PyTorch进行模型训练
• 掌握机器学习、深度学习和计算机视觉基础，熟悉目标检测、分割、跟踪等方法
• 具备良好的数学基础和实验分析能力，能阅读论文并复现算法
• 有计算机视觉、机器人、无人机或自动驾驶相关项目经验者优先

申请策略

• 了解美团无人机业务和技术方向，在面试中展示对无人机场景的理解
• 准备项目案例，突出解决实际问题的能力和实验分析能力
• 突出计算机视觉、深度学习项目经验，尤其是目标检测、跟踪、分割等
• 强调使用PyTorch等框架的实战经验，以及模型优化和部署的案例
• 如果有机器人、无人机或自动驾驶相关项目，务必重点描述
• 展示数学基础和论文阅读能力，如复现过论文算法
• 深入学习端到端模型、多模态模型、视觉语言模型等前沿技术
• 熟悉模型部署工具，如TensorRT、ONNX，了解嵌入式平台优化

面试指南

• 采用STAR法则：情境、任务、行动、结果，突出你的贡献和成果
• 结合具体案例，展示你的算法设计思路和实验分析能力
• 展现对前沿技术的关注，并联系实际应用场景
• 请介绍一个你参与过的目标检测或跟踪项目，如何提升模型性能？
• 如何设计一个端到端的感知模型？与传统pipeline相比有何优缺点？
• 在低光照或动态干扰下，如何提升模型鲁棒性？
• 如何构建数据闭环，进行难例挖掘？
• 你对多模态模型或世界模型在机器人中的应用有何理解？