滴滴出行
AI-算法实习生（MJ020607）
AI-算法实习生（MJ020607）
发布于 3 小时前实习/见习
实习生仅现场办公自动驾驶
自动驾驶
Diffusion Models
Occupancy Network
Pytorch
World Model
深度学习
算法研发
自动驾驶
Bev Perception
值不值得投
69综合评分
综合评分 69
顶尖大厂自动驾驶核心算法实习，技术前沿挑战大，成长空间广阔，但工作强度较高
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，方便比较实习机会。
薪资怎么样
1.0千
比自动驾驶中位数低
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 2350 个在招 · 其中自动驾驶 11 个
市场机会
选择面较广
北京 · 自动驾驶 · 约 200 个在招
职位详情
关于这个职位
该职位是滴滴出行自动驾驶部门的算法实习岗位，主要参与泊车场景的感知与规划算法研发
工作内容包括3D Occupancy网络、BEV多任务融合及World Model等前沿技术的模型训练、评测与落地探索，旨在通过深度学习技术提升自动泊车的安全性与智能化水平
最低要求
计算机、自动化、电子信息、机器人等相关专业，硕士及以上在读
可保证连续实习 5 个月及以上，每周全职≥4 天
扎实深度学习基础，熟悉 CNN、Transformer、MHA、BEV 感知、3D 几何（相机内参、外参、投影、IPM、视锥）
Python 熟练，熟悉 PyTorch
熟悉 Linux 开发环境，掌握数据处理、训练脚本、指标评测、可视化工具
具备基本英文阅读能力，能够独立精读顶会论文，复现开源方案
工作职责
参与泊车场景 Occupancy（占用网络）算法研发，包括 3D Occupancy 真值生成、数据标注流水线、模型训练、评测、bad case 分析，覆盖鱼眼环视相机输入的占用预测任务
参与泊车端到端感知方案迭代，完成 BEV 特征提取、目标检测、语义分割、占用预测多任务融合，支撑车位、障碍物、可行驶区域、动态参与者感知输出
参与泊车场景 World Model（世界模型）的探索与开发，基于 Diffusion / Flow Matching 等生成模型做泊车场景预测、轨迹条件生成、未来场景仿真，支撑 MLPlanner 等规划方案
跟进模型训练、调参、推理优化，完成离线仿真与实车数据验证，输出实验报告、对比基线、复盘噪声 / 雨滴 / 暗光等 Corner Case
阅读顶会论文（CVPR/ICCV/ECCV/CoRL 等），复现前沿方案，调研 Occupancy、BEV 感知、生成式 World Model 在自动泊车场景的落地可行性，输出技术调研文档或者技术论文
优先资格
有自动驾驶 / 机器人感知方向实习经历优先
了解 Occupancy、NeRF、SDF 基础概念
了解 C++ 优先
熟悉自动驾驶感知数据集流程，有标注流水线、真值生成、数据闭环相关经验加分
有环视鱼眼相机感知经验加分
AI 洞察
优缺点分析
优点
- 接触行业最前沿的自动驾驶算法（如Occupancy、World Model），技术含金量高
- 对数学基础和代码实现能力要求极高，需快速复现顶会论文并解决复杂的Corner Case问题
- 计算机相关专业硕士在读，对自动驾驶和计算机视觉有浓厚兴趣，具备较强科研能力的同学
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法实习生成长为自动驾驶感知或规划方向的资深算法工程师，深入前沿AI技术在自动驾驶领域的落地应用
- 负责泊车场景下的3D Occupancy网络、BEV多任务融合及World Model等核心算法的研发与迭代
- 扎实的深度学习理论基础，精通Python和PyTorch，熟悉BEV感知、3D几何及主流生成模型
申请策略
- 准备一份详细的技术调研报告或复现记录，展示对最新顶会论文的理解和动手能力
- 突出深度学习项目经历，特别是涉及3D视觉、BEV感知或生成模型的实战经验
- 加强PyTorch框架的高级用法，复习3D几何变换原理，熟悉Linux下的模型训练调试流程
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术选型理由、遇到的问题及创新解决方案
- 请介绍一个你复现过的深度学习模型，并说明遇到的难点及解决方案
- 如何理解BEV（鸟瞰图）感知中的特征对齐问题？
- 解释一下Diffusion模型的基本原理及其在场景生成中的应用
- 如何处理自动驾驶数据集中的长尾分布（Corner Case）问题？
- 复习CNN、Transformer、BEV感知等基础知识，阅读近期CVPR/ICCV关于Occupancy和World Model的论文
职位点评
薪资福利70
成长发展95
工作生活40
使命价值80
薪资福利
70中等
大厂实习津贴具有市场竞争力，但作为实习生岗位，薪资并非核心吸引力，更多是平台背书。
薪资信号未披露（AI估算：0.4–0.6千/月）
成长发展
95较高
极佳的成长机会，直接参与自动驾驶核心算法研发，接触前沿技术栈，适合追求技术深度的求职者。
技术前沿前沿/新兴技术
技术栈Occupancy Network、BEV Perception、World Model、Diffusion、Flow Matching、PyTorch、Python
业务类型profit_center
工作生活
40较低
高强度研发岗位，需频繁进行模型训练与数据分析，可能面临较大的工作压力和时间投入。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
80较高
致力于提升自动驾驶安全性，推动智能交通发展，具有显著的社会价值和行业前景。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs