地平线
感知动态occ算法专家
感知动态occ算法专家
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Occupancy
Sdf
数据闭环
模型量化
深度学习
算法优化
自动驾驶感知
值不值得投
72综合评分
综合评分 72
聚焦前沿感知技术、侧重算法落地与量产，技术成长性强但研发节奏较快。
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，方便横向比较。
薪资怎么样
5.0万
比自动驾驶中位数高
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 420 个在招 · 其中自动驾驶 39 个
市场机会
选择面较广
北京 · 自动驾驶 · 约 190 个在招
职位详情
关于这个职位
本职位专注于自动驾驶环境下的通用障碍物感知算法研发与持续优化，参与下一代感知基座架构设计
核心任务包括模型轻量化量化、端侧部署及性能调优，通过数据闭环机制高效解决行车与泊车场景中的实际感知难题
最低要求
熟悉2D/3D/4D Occupancy/SDF，掌握显式体素占用、语义占用、SDF 隐式场的开发/优化技巧
参与过 行泊车量产业务落地，熟悉典型问题的分析、优化方法以及数据闭环链路
硕士以上学历，计算机、自动化、机器人或者相关专业，2 年以上自动驾驶感知领域工作经验
工作职责
负责自动驾驶场景下 通用障碍物感知的算法开发和优化
参与下一代感知基座的设计和开发
负责相关模型的量化、部署和性能优化，在行/泊车场景的问题闭环
优先资格
有过相关顶会和期刊经历（CVPR、ICCV、ECCV、 NIPS等等）或相关比赛经验（ImageNet、COCO、Kitti、Waymo、nuScenes等等）者优先
AI 洞察
优缺点分析
优点
- 处于智能驾驶核心赛道，技术壁垒高且行业前景广阔
- 接触前沿Occupancy网络与SDF隐式场技术
- 平台提供充足算力与真实路测数据支持
- 数据闭环与长尾场景处理耗时耗力
- 行业竞争加剧导致技术迭代节奏极快
- 适合具备扎实数学与代码基础、对自动驾驶技术有强烈热情且能承受高强度研发节奏的算法工程师
缺点 / 挑战
- 算法落地压力大，需兼顾理论创新与车规级实时性约束
角色解读
- 可向自动驾驶感知首席科学家、算法架构师或技术总监方向发展，也可横向拓展至多传感器融合或规控算法领域
- 负责自动驾驶车辆对周围障碍物的视觉/雷达感知算法研发与迭代
- 设计并优化下一代感知网络架构
- 将算法模型进行轻量化量化与端侧部署，解决实车运行中的感知难题
- 精通2D/3D/4D Occupancy及SDF隐式场理论
- 熟练掌握深度学习框架与模型压缩部署技术
- 具备自动驾驶数据闭环与仿真测试经验
申请策略
- 提前了解公司BPU架构及征程系列芯片特性
- 准备1-2个完整的算法从训练到部署落地的案例以备深挖
- 突出Occupancy/SDF相关论文或开源项目贡献
- 详细列出模型量化部署的具体指标提升
- 强调参与过量产车型或完整数据闭环项目的经验
- 深入研读最新顶会Occupancy相关文献
- 强化C++/CUDA高性能编程能力
- 熟悉主流自动驾驶中间件与工具链
面试指南
- 采用STAR法则阐述项目背景与个人贡献
- 对比不同技术路线时从理论推导、实验数据与工程约束三个维度展开
- 遇到性能瓶颈时展示系统性排查思路（数据质量->模型结构->算子优化->部署策略）
- 请详细介绍你熟悉的Occupancy网络结构及其优缺点
- 如何平衡模型精度与端侧推理延迟？请举例说明
- 针对感知漏检/误检，你的数据闭环优化流程是怎样的
- SDF隐式场相比传统体素表示有哪些优势
- 复习深度学习基础与计算机视觉经典理论
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
自动驾驶算法岗薪资处于市场中上水平，上市公司福利体系完善，但具体薪酬未披露。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
85较高
岗位聚焦前沿Occupancy与SDF技术，提供清晰的算法演进路径与量产落地机会，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Occupancy、SDF、模型量化、数据闭环、深度学习
业务类型profit_center
工作生活
50较低
自动驾驶研发通常伴随较快的迭代节奏与项目交付压力，JD未明确提及弹性工时或远程政策。
工作模式未明确
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
致力于推动自动驾驶技术普及，提升出行安全与效率，具有明确的社会价值导向。
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
地平线 的其他在招职位
相似职位推荐
Watch Jobs