地平线
自动驾驶算法工程师实习生
自动驾驶算法工程师实习生
发布于 大约 21 小时前实习/见习
北京市 / 上海市
无经验要求
实习生
仅现场办公
硕士
研究与开发 (研发)
3D Gaussian Splatting
Ceres
G2O
Nerf
Pytorch
Slam
Vio
建图定位
自动驾驶
AI 估算 · 6k–10k
硕士自动驾驶算法实习生，北京/上海大厂，薪资有竞争力，但实习期较短，按市场行情估算。
职位详情
关于这个职位
该职位是地平线自动驾驶算法实习生，专注于智能驾驶场景下的地图系统研发与优化，涉及AVP、记忆泊车等场景，解决地下车库定位难题
你将参与前沿建图定位技术探索，如神经隐式表征、3DGS建图等，积累自动驾驶行业实战经验
最低要求
硕士或以上学历在读，计算机、人工智能、自动化等相关专业，具备良好的英文文献检索与阅读能力
具备扎实的数学基础和编程能力，熟练掌握 C++/Python，有 Ceres、g2o、PyTorch 等库的实际使用经验
深刻理解多视图几何与状态估计，在以下方向之一有较深入的研究或实践经验：
经典 SLAM/VIO 系统，如 ORB-SLAM、VINS-Mono
视觉重定位（场景坐标回归、图像检索、绝对位姿回归等）
D 重建/新视角合成，如 SfM、NeRF、3D Gaussian Splatting、VGGT、DGGT
对高精地图要素矢量化、语义逻辑推理、路网拓扑生成或地图变化识别等相关算法有一定了解或实践
工作职责
参与智能驾驶场景下的地图系统研发与优化，包括不限于AVP、记忆泊车及车位到车位等场景，重点解决地下停车场特有的无GNSS、弱纹理、重复结构、镜面/立柱干扰、剧烈光照变化、多楼层衔接等问题，持续提升众源地图构建与更新系统在几何精度、拓扑正确性及稳定性上的表现
跟踪建图定位领域的前沿技术（SOTA），协助探索新方案在实车场景中的落地可行性，方向包括但不限于：神经隐式表征/3DGS建图、无图/轻地图范式下的语义建图与重定位等，解决行业长尾问题
优先资格
有自动驾驶、机器人 AVP/记忆泊车 量产或预研项目经验
有 CVPR/ICCV/ECCV/ICRA/IROS 等顶会顶刊论文发表记录，或在相关竞赛中取得优异成绩
熟悉算法在嵌入式平台上的部署、加速与评测，有 Linux 开发及实车调试经验
具备强烈责任心，善于学习与沟通，乐于协同推进工程落地与学术预研
AI 洞察
优缺点分析
优点
- 接触自动驾驶行业核心算法，技术栈前沿（NeRF、3DGS等），成长空间大
- 地平线作为头部公司，平台资源丰富，有量产落地经验积累
- 导师制或团队协作，能快速提升工程与学术能力
- 地下停车场场景复杂，算法难度高，需解决大量长尾问题
- 实习期时间有限，需快速学习并能独立产出成果
- 实车调试可能涉及出差或现场支持，有一定工作强度
- 适合对自动驾驶建图定位有浓厚兴趣、具备较强数学和编程能力的硕士生，希望将学术研究应用于实际工程
缺点 / 挑战
暂无明显挑战项
角色解读
- 从实习期深入自动驾驶建图定位核心技术，向算法工程师发展
- 可晋升为正式员工，参与量产项目或前沿预研，成为领域专家
- 未来可转向系统架构师或技术负责人，主导智能驾驶感知与定位系统
- 参与智能驾驶地图系统研发，解决地下停车场定位难题，优化众源地图构建与更新
- 跟踪SLAM、3D重建等前沿技术，探索新方案在实车场景的落地可行性
- 编写C++/Python代码，使用Ceres、g2o、PyTorch等库进行算法实现与调试
- 扎实的数学和编程基础，熟练C++/Python及常用SLAM/视觉库
- 深刻理解多视图几何与状态估计，熟悉经典SLAM/VIO系统或3D重建方法
- 了解高精地图要素矢量化、语义建图等算法，有相关项目实践
申请策略
- 在简历或求职信中表达对自动驾驶建图技术热情，提及对地平线产品的了解
- 准备一个相关技术问题的深度理解，如地下车库定位难点及解决方案
- 突出SLAM、VIO或3D重建相关项目经验，展示具体技术细节和成果
- 强调C++/Python编程能力，列出使用过的库如Ceres、g2o、PyTorch
- 如有论文或竞赛获奖，在显眼位置列出，证明研究能力
- 复习多视图几何、状态估计理论，熟悉ORB-SLAM、VINS-Mono代码
- 动手实践NeRF或3DGS开源项目，了解基本原理和实现
- 学习嵌入式Linux开发基础，了解算法部署流程
面试指南
- 对于系统框架问题，先概述整体流程，再重点讲自己深入理解的模块
- 对于场景问题，分析难点（无GNSS、弱纹理等），提出可能方案（语义建图、多传感器融合等）
- 对于比较类问题，从精度、速度、适用场景等维度对比，结合实例
- 请解释ORB-SLAM的系统框架和关键模块
- 如何解决无GPS环境下地下车库的定位问题？
- 比较NeRF和3D Gaussian Splatting在重建中的优缺点
- 你如何优化一个SLAM系统的鲁棒性？
- 描述一个你参与过的建图或定位项目，遇到的主要挑战是什么？
职位点评
64
综合评分
大厂自动驾驶算法实习，前沿技术栈，成长空间大，但薪资较低、需要现场办公。
更适合这类人
最适合追求技术成长、希望接触前沿自动驾驶算法的求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展90
工作生活50
使命价值75
薪资福利
40较低
实习生薪资相对全职较低，但作为大厂实习，补贴和福利尚可，稳定性一般（实习期有限）。
薪资信号未披露（AI估算：6K-10K/月）
成长发展
90较高
技术前沿（NeRF, 3DGS, SLAM），能接触到量产预研项目，成长机会极大，但未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈SLAM、VIO、NeRF、3D Gaussian Splatting、Ceres、g2o、PyTorch
业务类型profit_center
工作生活
50较低
需现场办公，地点在北京/上海，可能涉及实车调试加班，工作模式未明确弹性。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
自动驾驶行业高速增长，解决出行安全问题有社会价值，但职位偏向技术研发，使命感中等。
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