智驾仿真工程师（3DGS方向）

优缺点分析

角色解读

• 可从3DGS算法工程师成长为自动驾驶仿真领域的专家，主导核心算法方向
• 有机会参与端到端大模型与3DGS结合的前沿研究，发表顶会论文或主导开源项目
• 可在滴滴Voyager内部晋升为技术Leader或高级架构师，负责更大规模的系统设计
• 主导Feedforward-3DGS核心算法研发，实现实时渲染与动态场景重建，支撑端到端模型训练和闭环仿真
• 探索端到端大模型中使用3DGS监督信号，优化BEV、OCC等特征的自监督学习，提升模型泛化性
• 设计高效训练管线，完成算法从原型到产品的全链路部署，并优化大模型在GPU上的训练与推理效率
• 扎实的深度学习与优化理论功底，熟练掌握Python/C++和PyTorch/TensorRT
• 深入理解3DGS、NeRF等神经渲染技术，并有项目复现或改进经验
• 具备工业级数据管线、模型压缩及端侧部署的实战经验

申请策略

• 在求职信中表达对3DGS技术前景和滴滴Voyager部门的热情，提及对自动驾驶仿真的理解
• 准备一个完整的项目介绍，从问题定义、方法设计到实验对比，体现从0到1的创新
• 突出3DGS、NeRF相关项目经验，包括复现、改进或落地成果
• 强调深度学习与优化理论背景，列出发表的顶会论文或主导的开源项目
• 展示Python/C++编程能力及PyTorch/TensorRT使用经验，附上GitHub链接
• 如果有自动驾驶或仿真相关经历（如BEV、OCC）务必重点描述
• 如果尚未熟悉扩散模型（如Stable Diffusion），建议系统学习并在小项目上实践
• 掌握TensorRT模型优化与部署流程，可通过NVIDIA官方教程或实习项目补足

面试指南

• 对于原理性问题，采用“定义-对比-引申”结构：先清晰阐述概念，再与相关技术对比，最后说明在本领域的应用前景
• 对于设计性问题，采用“问题拆解-方案论证-实验验证”思路：明确目标，提出多个候选方案并分析优缺点，最后说明如何通过实验选择
• 对于开放性问题，结合自身项目经验，展示技术深度和对行业的理解，同时表现出学习能力和好奇心
• 请详细解释3DGS的原理，与传统NeRF相比有什么优势？
• 如何用自监督方式利用3DGS优化BEV特征？请给出思路
• 在端侧部署3DGS模型时，有哪些模型压缩和加速方法？
• 你参与过的项目中最难的算法落地问题是什么？你是如何解决的？
• 你如何看待3DGS在自动驾驶仿真中的未来发展？