滴滴出行
27届秋招-自动驾驶-感知算法工程师
27届秋招-自动驾驶-感知算法工程师
发布于 大约 11 小时前普通员工/个人贡献者
北京市 / 上海市
无经验要求
全职员工
仅现场办公
硕士
计算机视觉工程
Pytorch
世界模型
多传感器融合
多模态大模型
多目标跟踪
模型蒸馏
目标检测
语义分割
AI 估算 · 22k–34k
自动驾驶感知为高薪前沿岗位，滴滴平台校招硕士月薪普遍2-3万，结合15薪估算。
职位详情
关于这个职位
这个岗位是滴滴自动驾驶部门的感知算法工程师，主要参与多模态感知大模型、世界模型等前沿技术的研发与落地，覆盖目标检测、分割、跟踪、多传感器融合等方向
你将接触数据闭环、模型蒸馏、量化部署等全链路工作，直接支撑无人车在复杂城市环境中的安全运行
适合对AI前沿技术有热情、编程和深度学习基础扎实的应届硕士生
最低要求
届毕业生，硕士及以上学历，计算机或相关专业优先
编程基础扎实，熟悉基本算法和数据结构，至少熟悉以下一门语言：Python、C++
熟悉深度学习框架，包括但不限于：PyTorch、TensorFlow等
善于思考，逻辑清晰，有优秀的问题分析和解决能力
有强烈的自我提升意愿，持续的自我驱动能力，关注业界前沿技术和国际会议研究动态，不断提升自己
良好的沟通和合作能力，责任心和团队意识强
工作职责
多模态感知大模型：参与自动驾驶感知核心算法的研发与车端落地，覆盖目标检测、语义/实例分割、多目标跟踪、多传感器融合定位和标定、场景语义理解等技术方向
探索多模态感知大模型、世界模型、通用占据网络等前沿技术路线，构建高鲁棒、可扩展的统一感知体系，支撑复杂城市场景下的无人车安全运行
世界模型与场景理解：研究交通场景的结构化建模与关系推理，编码智能体与智能体、地图元素与地图、智能体与地图的交互逻辑
探索世界模型在场景预测、语义补全中的落地应用，实现施工区、长停车辆、异常事件等复杂场景的精准认知，直接支撑车辆的避让、跟随等行为决策
数据驱动的感知能力迭代体系建设
研究基于大模型、世界模型的高价值场景数据挖掘、合成与生成技术，打造自动化数据闭环链路
探索半监督、自监督、弱监督与知识蒸馏等高效训练范式，既降低模型对标注数据的依赖，也实现大模型能力向轻量化模型的精准迁移，提升开放世界、长尾场景下的算法泛化能力与落地性价比
参与感知算法的性能优化与工程落地，协同AI Infra团队一起开展模型蒸馏、量化、推理加速等全链路优化技术研发，实现算法在车端的低延迟、高可靠部署
参与Lidar、相机等多传感器的标定、时序同步与精度验证工作，保障感知系统的整体性能与可靠性
优先资格
有自动驾驶相关经验，包括但不限于：智能驾驶、机器人、等项目落地经验
加分项：在顶级国际会议/期刊上发表论文（CVPR、ICCV、ICML、NIPS等）
加分项：有编程、数学等相关竞赛成绩
AI 洞察
优缺点分析
优点
- 滴滴自动驾驶业务投入大，技术栈前沿，有机会接触多模态大模型、世界模型等热门方向
- 公司平台大，资源丰富，能参与真实落地项目，积累自动驾驶行业经验
- 算法岗薪资水平高，职业发展路径清晰，未来跳槽空间大
- 需要持续跟踪前沿论文、快速学习新模型，技术迭代速度快
- 多城市办公可能涉及出差或调动，需要适应
- 适合对自动驾驶和AI研究有浓厚兴趣、具备较强自驱力和编程能力的应届硕士生
缺点 / 挑战
- 自动驾驶技术难度高，对算法准确性和鲁棒性要求严苛，工作压力较大
角色解读
- 从感知算法工程师起步，深入自动驾驶核心算法，成长为技术专家，主导特定方向（如多模态感知、世界模型）的研发
- 可以向技术管理方向转型，带领团队负责感知系统整体架构与落地
- 由于技术前沿，也有机会切入AI研究或通用机器人等更广领域
- 参与自动驾驶感知核心算法的研究与车端落地，包括目标检测、分割、跟踪、多传感器融合定位与标定等技术方向
- 探索多模态感知大模型、世界模型、通用占据网络等前沿技术，构建统一感知体系
- 研究基于大模型的高价值场景数据挖掘、合成与生成，建立自动化数据闭环
- 协同AI Infra团队进行模型蒸馏、量化、推理加速等优化，实现算法在车端的低延迟部署
- 扎实的编程基础，熟练掌握Python或C++，熟悉常用算法和数据结构
- 熟悉深度学习框架（PyTorch、TensorFlow等），有实际训练和部署经验
- 了解目标检测、分割、跟踪等视觉任务，对多传感器融合有基本认识
- 具备良好的数学基础和逻辑推理能力，能阅读英文论文并复现前沿方法
申请策略
- 提前了解滴滴自动驾驶的技术方向和开源项目，在面试中体现对公司业务的思考
- 在网上找内推，增加简历被看到的几率
- 同时准备详细的自我介绍，突出技术热情
- 突出在自动驾驶、机器人或计算机视觉相关的项目/科研经历，强调具体算法的实现与效果
- 重点描述编程能力，如Python/C++的熟练度，以及使用PyTorch/TensorFlow的实战经验
- 如有论文或竞赛奖项，尤其是CVPR等顶会，务必显著列出
- 展示对前沿技术的了解，如经验分享或技术博客
- 复习深度学习基础和常见目标检测/分割模型，如Faster R-CNN、YOLO、DETR等
面试指南
- 采用STAR法则（情境-任务-行动-结果）回答项目经验，突出你的具体贡献和思考
- 对于技术理解题，先给出核心概念，再结合场景分析优缺点，最后提出改进方向
- 编程题要提前练习，写代码时注意边界条件，并解释思路
- 介绍一下你做过的目标检测项目，包括网络结构、训练数据和最终效果
- 如何解决自动驾驶中的长尾场景？请举例说明
- 你对多模态大模型在自动驾驶中的应用有什么理解？
- 手撕代码：实现一个简单的NMS（非极大值抑制）
- 如何评估一个感知算法的性能？在车端部署时需要注意哪些问题？
职位点评
77
综合评分
滴滴自动驾驶感知算法岗，前沿技术，大厂平台，薪资有竞争力但未披露，现场办公，WLB信号不明。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
适合追求前沿技术、自我驱动强、看重技术成长和行业价值的应届生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活60
使命价值85
薪资福利
75中等
滴滴作为上市大厂，校招薪资具有竞争力，但JD未明确具体薪酬福利，补偿性满足良好。
薪资信号未披露（AI估算：22K-34K/月）
成长发展
85较高
职位涉及多模态大模型、世界模型等前沿技术，技术成长空间大，发展性满足度高。
技术前沿前沿/新兴技术
技术栈多模态大模型、世界模型、目标检测、语义分割、模型蒸馏、PyTorch、TensorFlow
业务类型profit_center
工作生活
60中等
JD未提及弹性办公或远程，工作可能现场进行，WLB信号不明，生活化满足一般。
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
85较高
自动驾驶技术具有显著社会价值，且公司强调技术的社会与商业价值，意义感满足度高。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号社会价值、商业价值
创新程度积极采用新技术
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs