网易
【精英实习】视觉感知算法工程师
【精英实习】视觉感知算法工程师
发布于 大约 14 小时前实习/见习
杭州市
无经验要求
实习生
仅现场办公
硕士
计算机视觉工程
6D位姿估计
Nvidia Jetson
Pytorch
Ros
Tensorrt
深度学习
目标检测
视觉Slam
计算机视觉
AI 估算 · 4k–8k
实习岗位薪资参考杭州算法实习生水平，技术门槛较高，日薪约180-300元，按月计约4000-8000元。
职位详情
关于这个职位
这是一份面向硕士在读学生的视觉感知算法实习岗位，加入网易伏羲机器人团队，参与无人挖掘机/装载机的感知系统研发
你将深入2D/3D目标检测、SLAM、三维重建等核心技术，并有机会接触模型部署与嵌入式优化
适合对计算机视觉和机器人方向有浓厚兴趣的同学
最低要求
一、基础要求
硕士在读及以上，计算机科学、电子信息、自动化、机器人学等相关专业
扎实的计算机视觉与深度学习理论基础，熟悉CNN/Transformer等主流网络架构，了解BEV感知、Foundation Model等前沿方向
熟练掌握Python，熟悉C/C++
了解ROS1/ROS2
熟悉PyTorch，具备模型训练、数据增强、损失调优等基础经验
二、算法经验（至少满足一项）
目标检测（YOLO/DETR等）、语义/实例分割（Mask R-CNN、SegFormer等）或目标跟踪（ByteTrack、DeepSORT等）的项目经验
视觉SLAM（ORB-SLAM、VINS-Mono/Fusion等）项目开发经验
点云处理（PCL/Open3D）、三维重建或地形建模相关经验
三、工程与加分项
熟悉Git
工作职责
【职位描述】
一、视觉感知算法研发
参与无人挖掘机/装载机项目中2D/3D目标检测、语义分割等算法的研发与优化，覆盖人员、车辆、障碍物、料堆等目标识别
协助6D位姿估计算法开发，支持作业目标物的精准感知
学习多模态感知融合方法（相机+毫米波雷达），参与恶劣工况（粉尘、强光、遮挡）下的感知方案研究
二、定位建图与场景重建
参与视觉SLAM/激光SLAM算法的开发与调试，支持机器人实时定位与建图
协助三维场景重建（地形重建、料堆体积估算）相关算法开发
学习多传感器（IMU、GNSS-RTK、相机等）融合定位方案
三、多传感器标定与系统集成
参与多传感器（相机、IMU等）外参/内参标定工具的开发
配合硬件、控制团队完成感知模块的联调联试
四、模型优化与部署
参与感知算法的模型轻量化与加速优化（量化、剪枝、TensorRT/ONNX等）
协助搭建模型训练-评估-部署的标准化流水线
学习嵌入式平台（NVIDIA Jetson等）上的模型部署
优先资格
有模型推理优化（TensorRT/ONNX/OpenVINO）或嵌入式部署经验者优先
有机器人、自动驾驶或工程机械领域项目经验者优先
有高水平论文发表（CVPR/ICCV/ECCV/ICRA/IROS/RA-L等）者优先
有矿山、建筑等非结构化户外场景感知经验者优先
AI 洞察
优缺点分析
优点
- 参与真实工程机械场景的感知算法研发，技术落地价值高
- 公司平台大，团队有丰富的研究资源，有机会接触前沿技术（BEV、Foundation Model等）
- 成长空间大，可积累从算法到部署的完整经验
- 需要同时掌握视觉、SLAM、标定等多方面知识，学习曲线陡峭
- 实习期间可能需要配合硬件联调，工作节奏可能较快
- 适合对计算机视觉、机器人和自动驾驶领域有强烈兴趣，具备较强工程能力且愿意深入实景场景的硕士在读学生
缺点 / 挑战
- 工作涉及恶劣工况（粉尘、强光、遮挡），算法鲁棒性要求高，充满挑战
角色解读
- 实习期可深入了解工程机械自动化领域的感知全栈技术
- 表现优秀者可获得转正机会，成长为自动驾驶或机器人方向的算法工程师
- 未来可向感知算法专家或技术管理者方向发展
- 研发无人挖掘机/装载机的视觉感知算法，包括2D/3D目标检测、语义分割、6D位姿估计等
- 参与视觉SLAM/激光SLAM开发与调试，支持机器人实时定位与建图
- 负责多传感器标定工具开发，并配合硬件团队完成感知模块联调
- 参与模型轻量化与加速优化，部署到嵌入式平台（如NVIDIA Jetson）
- 扎实的计算机视觉和深度学习基础，熟悉CNN/Transformer架构
- 精通Python，熟悉C/C++和ROS
- 熟练使用PyTorch进行模型训练和调优
- 有目标检测、SLAM或点云处理等至少一项项目经验
申请策略
- 简历中体现对工程机械或自动驾驶领域的兴趣和认知，可以提到相关课程或项目
- 面试前了解网易伏羲机器人的研究方向，思考自己的技能如何与无人挖掘机场景结合
- 突出目标检测、语义分割或SLAM相关的项目经历，并给出量化成果
- 强调Python/C++编程能力和PyTorch使用经验
- 如有模型部署（TensorRT/ONNX）或嵌入式开发经验，务必重点展示
- 如果有学术论文或竞赛奖项，单独列出
- 复习CNN/Transformer原理，了解BEV感知等前沿方向，可阅读相关论文
- 熟悉ROS1/ROS2的基本操作，练习在仿真环境中跑通SLAM或目标检测流程
面试指南
- 对于项目经验问题，采用STAR法则，突出你的具体贡献和对技术的理解
- 对于算法原理问题，可以从基本流程、关键步骤、优缺点和改进方向入手
- 对于场景实际问题，可以结合数据增强、多传感器融合、模型鲁棒性等角度提出解决方案
- 请介绍一下你参与的一个目标检测项目，包括技术选型和效果优化过程
- 你对视觉SLAM中的ORB-SLAM和VINS-Mono原理有何理解？
- 在模型部署时，你会如何对PyTorch模型进行TensorRT加速？
- 如何处理在粉尘、强光等恶劣环境下的感知精度下降问题？
- 你是否有过与硬件团队协作的经验？如何沟通联调？
职位点评
72
综合评分
前沿算法实习、技术成长极佳，但薪资为实习水平且WLB未明确。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
该职位最适合追求技术成长和前沿研究的求职者，尤其是希望在计算机视觉和机器人领域深入发展的学生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利55
成长发展95
工作生活50
使命价值70
薪资福利
55较低
实习岗位薪资按日计算，处于市场中等水平，但公司提供良好的平台和福利，整体满足程度有限。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
95较高
该职位技术要求高，涉及计算机视觉、SLAM、模型部署等前沿技术，且有论文发表机会，发展性极强。
技术前沿前沿/新兴技术
技术栈2D/3D目标检测、语义分割、6D位姿估计、视觉SLAM、激光SLAM、多传感器融合、PyTorch、TensorRT、ONNX、NVIDIA Jetson、ROS
成长机会学习多模态感知融合方法、学习多传感器融合定位方案、学习嵌入式平台上的模型部署
业务类型ambiguous
工作生活
50较低
工作地点在杭州市，现场办公，JD未提及弹性或远程，工作可能涉及联调测试，生活平衡一般。
工作模式仅现场办公
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
70中等
该职位旨在推动工程机械自动化，在矿山、建筑等场景减少人工风险，具有一定社会意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
网易 的其他在招职位
相似职位推荐
Watch Jobs