地平线
【2027届校招】OCC / Flow 算法工程师
【2027届校招】OCC / Flow 算法工程师
发布于 大约 9 小时前普通员工/个人贡献者
北京市 / 成都市
无经验要求
全职员工
仅现场办公
硕士
计算机视觉工程
Bev感知
Occupancy
Pytorch
Tensorrt
多传感器融合
点云处理
Scene Flow
AI 估算 · 25k–40k
自动驾驶算法校招岗位，硕士学历要求，一线城市薪资较高，行业热门，竞争力强。
职位详情
关于这个职位
作为算法工程师，你将专注于自动驾驶中的3D占用网络(Occupancy)和Flow预测，负责BEV感知、时序建模和运动预测等核心算法的研发与优化
你将与团队协作，将这些算法部署到量产车型中，实现环境感知的高精度和实时性
该岗位提供前沿技术研究到工程落地的完整闭环，适合对自动驾驶感知技术有热情的候选人
最低要求
硕士及以上学历，计算机、人工智能、自动化、电子等相关专业
扎实的深度学习、计算机视觉基础，熟悉 PyTorch 等深度学习框架
熟悉以下一个或多个方向：
D Occupancy / Semantic Occupancy
Occupancy Flow / Scene Flow
BEV 感知及时序建模
多传感器融合（LiDAR、Camera）
熟悉 CNN、Transformer、时序网络等模型设计，具备模型训练与调优经验
熟悉点云处理及三维几何基础，掌握聚类、连通域、滤波、目标关联、轨迹平滑等常见算法
具备良好的工程能力，熟悉 Python/C++，能够独立完成算法开发与优化
有自动驾驶量产项目经验、模型部署（TensorRT、ONNX、INT8/QAT 等）经验者优先
工作职责
负责激光雷达和视觉的 3D Occupancy、Occupancy Flow 等时空感知算法研发
负责 BEV 表征学习、时序建模、运动预测等核心算法设计与优化，提升环境理解能力
持续优化模型精度、实时性及鲁棒性，支持量产自动驾驶场景落地
负责模型训练、调优、部署及推理加速，完成从算法设计到工程落地的全流程开发
负责视觉和LiDAR OCC 后处理算法 设计与优化，包括 Occupancy 后处理、目标提取、聚类、连通域分析、动态/静态分类、速度估计、时序融合、跟踪关联等，提升感知结果稳定性与可用性
跟踪 Occupancy、Scene Flow、World Model、时空建模等前沿技术，并结合业务持续创新
优先资格
有 CVPR、NeurIPS 等顶会论文或开源项目经验
熟悉 CUDA、模型压缩、量化、编译优化等高性能推理技术
熟悉 MMDetection3D、OccFormer、OpenOccupancy 等相关框架或算法
有大规模自动驾驶数据训练、分布式训练经验
AI 洞察
优缺点分析
优点
- 公司是自动驾驶领域的头部企业，拥有完整的量产项目经验，技术积累深厚
- 作为校招岗位，有系统的培养机制和与大牛共事的机会，有助于快速提升专业能力
- 工作地点灵活，可选择北京、成都或上海，满足不同生活偏好
- 自动驾驶算法要求高度的精准性和实时性，技术难度大，需要持续学习
- 多城市团队协作可能带来沟通成本，需具备良好的跨团队沟通能力
缺点 / 挑战
- 岗位涉及前沿的Occupancy和BEV技术，技术挑战大，成长空间广阔
- 量产落地需要与工程团队紧密协作，工作节奏可能较快，需适应一定压力
- 适合对自动驾驶感知技术有浓厚兴趣，具备扎实算法功底和工程能力，愿意接受挑战的校招生
角色解读
- 从算法工程师起步，可深入自动驾驶感知核心技术，成为团队技术骨干
- 随着量产项目经验积累，可转向资深算法工程师或技术专家方向
- 未来亦可向技术管理岗位发展，带领团队探索新一代感知技术
- 负责3D Occupancy和Flow感知算法的研发，包括BEV特征提取、时序建模和运动预测，提升自动驾驶系统对环境空间的感知能力
- 参与车端模型的训练、调优和推理加速，确保算法在量产硬件上高效运行
- 设计并优化Occupancy后处理算法，如目标聚类、动态分类、速度估计和跟踪关联，提高感知输出的稳定性
- 跟踪业界前沿技术如Scene Flow和World Model，并尝试将新技术落地到实际业务
- 扎实的深度学习基础，熟悉PyTorch框架，能够独立完成模型的设计与训练
- 掌握CNN、Transformer等主流网络结构，理解BEV感知、时序建模等算法原理
- 具备良好的编程能力，熟练掌握Python/C++，有工程化开发经验
- 了解点云处理和多传感器融合技术，熟悉TensorRT等推理优化工具者优先
申请策略
- 了解地平线在自动驾驶芯片和算法上的布局，面试时展现对公司的理解和兴趣
- 建议准备一个完整的算法项目案例，包括问题定义、技术选型、结果分析和反思
- 突出深度学习相关的项目经历，尤其是3D检测、分割或占用网络方向的实践
- 强调使用PyTorch训练模型的完整流程，包括数据预处理、模型调优、评估优化
- 如有顶会论文、开源项目或算法竞赛经历，务必重点展示，体现研究能力
- 若熟悉点云处理或多传感器融合，要写清楚具体技术细节和成果
- 提前熟悉Occupancy和BEV相关经典论文（如OccFormer、BEVFormer），理解其核心思想
- 补充C++编程和TensorRT部署知识，提升工程实现能力
面试指南
- 回答技术问题时，采用'背景-方法-结果'结构，先说明问题场景，再讲你的技术方案，最后量化结果
- 对于开放性设计题，可以先从主流方法入手，分析优缺点，再提出改进思路，展示认知深度
- 遇到不会的问题，诚实说明知识盲区，并展示你如何快速学习新技术的思路
- 请介绍你对3D Occupancy网络的理解，以及和2D检测相比有哪些优势？
- 在BEV感知中，如何融合多帧信息和多传感器数据？
- 你如何设计一个模型来实现Occupancy Flow预测？
- 谈谈你在实际项目中训练模型时遇到过的过拟合问题及解决方案
- 熟悉TensorRT吗？如何将PyTorch模型部署到嵌入式平台？
职位点评
78
综合评分
自动驾驶前沿算法岗，技术成长性强，薪资有竞争力，但工作强度未知。
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
适合追求技术成长和行业影响力，对自动驾驶有热情，能够接受较高工作强度的求职者。
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90
工作生活60
使命价值80
薪资福利
75中等
公司已上市，薪资具有竞争力，但JD未透露具体数值和福利，因此给予中等偏上评分。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
岗位聚焦前沿的Occupancy和BEV技术，能深入参与量产项目，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Occupancy、BEV、Scene Flow、Transformer、PyTorch、TensorRT
业务类型profit_center
工作生活
60中等
JD未提及弹性工作或远程办公，工作地点在一线城市，通勤可能较久，且算法岗通常节奏较快。
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
80较高
自动驾驶具有显著的社会价值，公司处于行业领先地位，岗位参与核心技术研发，意义感较强。
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