滴滴出行
感知算法工程师
感知算法工程师
发布于 大约 16 小时前普通员工/个人贡献者
北京市 / 上海市
中级经验
全职员工
仅现场办公
硕士
计算机视觉工程
Camera
Lidar
Pytorch
Tensorflow
多模态
大模型
深度学习
自动驾驶
计算机视觉
AI 估算 · 30k–50k
自动驾驶感知算法岗位技术门槛高，大厂竞争激烈，薪资处于行业高位，北京上海等城市薪资水平高。
职位详情
关于这个职位
作为滴滴自动驾驶感知团队的一员，你将参与研发世界领先的L4级自动驾驶技术，面向真实城市道路场景，利用LiDAR、Camera、Radar等多模态传感器设计并优化感知算法，解决物体检测、障碍物识别、场景理解、意图预测等核心问题，推动Robotaxi的规模化落地
岗位技术前沿，挑战大，成长空间广阔
最低要求
计算机科学、人工智能、电子工程、机器人等相关专业硕士及以上学历（博士优先）
扎实的深度学习与计算机视觉基础，熟悉常见感知算法与前沿研究方向
熟练掌握PyTorch/TensorFlow等深度学习框架，具备良好的编程能力（C++/Python）
熟悉LiDAR、Camera、Radar等多模态传感器感知数据处理
具备良好的论文阅读能力，能够快速将前沿研究转化为工程落地
具备较强的自我驱动、学习能力与团队协作精神
工作职责
（一）物体识别与跟踪：设计并实现基于LiDAR/Camera/Radar的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等
提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别）
（二）通用障碍物识别：识别未知类别/未训练类别的障碍物
基于异常检测/开放类别识别的算法研究与工程实现
在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性
（三）场景和意图理解：语义分割、实例分割、道路/车道/交通标志/交通灯等结构物识别
场景理解，例如施工区域识别、可通行区域识别等
意图理解，例如行人动作识别、起步意图识别等
交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等
（四）感知大模型/多模态：探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力
零样本/少样本/跨域泛化的策略研发
将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性
（五）模型评估、验证：构建完整的评估管道，包括离线评估+真实道路+模拟环境测试，支持回归检测与性能监控
指标体系设计（Precision, Recall, IoU, latency, false positives rate等）
优先资格
在顶级会议/期刊（CVPR、ICCV、NeurIPS、ICLR、RA-L、IROS等）有发表经验
有自动驾驶、机器人感知相关实习或工作经验
有模型压缩、实时推理优化、异构计算加速等相关经验
有VLM、多模态大模型或生成式AI在感知领域的应用研究经验
AI 洞察
优缺点分析
优点
- 滴滴作为出行巨头，拥有大量真实路测数据和Robotaxi运营场景，算法落地机会多，数据资源丰富
- 感知算法是自动驾驶核心环节，技术含金量高，职业发展前景广阔，薪资竞争力强
- 自动驾驶感知面临极端天气、遮挡、长尾场景等复杂问题，算法难度大，需要持续攻坚
- 技术更新快，需要不断学习最新文献和工具，保持知识更新
缺点 / 挑战
- 团队覆盖中美两地，与顶尖工程师和科学家合作，技术氛围浓厚，能接触世界级技术挑战
- 工作强度可能较高，需要快速迭代和工程落地，压力较大
- 适合对自动驾驶技术有浓厚兴趣，具备扎实计算机视觉和深度学习基础，喜欢挑战技术难题且愿意在快节奏环境中成长的工程师
角色解读
- 技术方向从感知算法工程师向高级/首席算法工程师或技术专家发展，深入自动驾驶感知核心技术
- 向技术管理方向转型，担任团队负责人或技术负责人，带领团队攻克复杂问题
- 由于自动驾驶行业技术迭代快，可横向拓展到决策规划、定位建图等相关领域，成为全栈自动驾驶专家
- 设计并实现基于多传感器（LiDAR/Camera/Radar）的感知算法，包括物体检测、障碍物识别、场景理解等，直接服务于L4级自动驾驶系统
- 负责算法从研发到工程落地的全流程，包括模型训练、优化、部署和评估，确保在真实道路场景中的鲁棒性
- 探索感知大模型和多模态融合技术，将前沿学术成果转化为产业应用，提升自动驾驶的复杂场景适应能力
- 扎实的深度学习和计算机视觉基础，熟悉主流感知算法（如目标检测、分割、跟踪）及前沿研究方向
- 熟练使用PyTorch/TensorFlow等框架，具备C++/Python编程能力，能够进行高性能模型实现
- 熟悉多传感器数据处理和融合，理解LiDAR、Camera、Radar的工作原理及特点
- 具备较强的论文阅读和研究转化能力，能够将最新研究成果快速落地到工程系统中
申请策略
- 了解滴滴自动驾驶业务及Robotaxi的发展情况，在面试中展现对自动驾驶场景的理解和热情
- 可以提前准备一个快速介绍自己研究或项目的5分钟demo，突出技术深度和成就
- 重点突出自动驾驶/机器人感知相关的项目经历，详细描述自己负责的算法模块、技术难点和最终效果
- 展示在多传感器（LiDAR/Camera/Radar）融合、目标检测、语义分割等方向的具体成果，附上量化指标（如mAP、IoU、延迟）
- 如有论文发表或开源项目，务必列出
- 若有模型部署或优化经验（如TensorRT、量化）也强调
- 体现C++/Python编程能力和使用深度学习框架（PyTorch/TensorFlow）的熟练度
- 熟悉最新的感知大模型（如VLM）和多模态融合方法，尝试复现相关论文或在开源数据集上实验
面试指南
- 技术类问题采用STAR原则：情境-任务-行动-结果，突出你的决策和量化成果
- 对于开放性问题（如大模型应用），先说清核心思路，再结合自己了解的工作或文献，最后提出可行性分析
- 准备1-2个自己最熟悉的项目深挖，确保能清晰讲解网络结构、训练细节、难点和效果
- 请介绍你在目标检测或分割项目中的实现细节，包括模型选型、损失函数设计、优化技巧等
- 在自动驾驶场景下，如何处理LiDAR和Camera的融合？传感器时间同步和空间对齐如何实现？
- 如何提升模型在恶劣天气或遮挡情况下的鲁棒性？
- 你对感知大模型（如VLM）在自动驾驶中的应用有什么理解和想法？
- 请解释一下模型评估中Precision、Recall、IoU等指标的意义，如何在实际系统中设定阈值？
职位点评
71
综合评分
大厂自动驾驶感知算法岗，技术前沿、薪资优厚、成长性强，但工作强度和压力较大，WLB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。
更适合这类人
适合追求技术前沿、渴望成长和挑战，重视职业发展而不过分强调工作生活平衡的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展88
工作生活45
使命价值80
薪资福利
70中等
该职位虽然没有在JD中明确薪资范围，但滴滴作为上市大厂，算法岗薪资具有竞争力，且提供五险一金等标准福利，补偿性动机得到较好满足。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
88较高
自动驾驶感知是前沿技术方向，涉及多模态大模型等新技术，岗位提供与世界顶尖团队合作的机会，技术成长空间大，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈LiDAR、Camera、Radar、PyTorch、TensorFlow、C++、Python、深度学习、计算机视觉、多模态、大模型、自动驾驶
业务类型ambiguous
工作生活
45较低
工作地点在北京、上海、广州等一线城市，未提及远程或弹性工作，加班情况不明确，生活化动机满足程度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
自动驾驶技术致力于提升出行安全和效率，行业前景广阔，具有较高的社会价值，能带来较强的意义感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号让出行更安全、更高效、创造最大的社会价值
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