智元机器人
Ego-Centric视觉感知算法工程师
Ego-Centric视觉感知算法工程师
发布于 大约 8 小时前普通员工/个人贡献者
上海市 / 北京市
专家级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
6D位姿估计
Cuda
Pytorch
Tensorrt
Vla
实例分割
机器人
深度估计
物体检测
AI 估算 · 35k–65k
高级算法工程师，机器人行业B轮，上海北京核心城市，综合市场薪资水平估算
职位详情
关于这个职位
该职位专注于机器人视觉感知算法研发，包括物体检测、分割、深度估计和6D位姿估计，旨在提升机器人操作精度
你将参与VLA模型训练数据闭环，并负责模型在端侧硬件上的部署优化
适合对计算机视觉和具身智能有深厚兴趣的算法工程师
最低要求
学历背景：计算机视觉、机器人学、自动化、人工智能等相关专业，硕士及以上学历
编程能力：精通Python/C++，熟练掌握PyTorch
具备CUDA、TensorRT、ONNX Runtime部署经验者优先
算法基础：深入理解2D/3D视觉基础网络（ResNet、ViT、DETR、Mask2Former、SAM/SAM2）
精通深度估计（MiDaS、Depth Anything、Metric3D）与3D视觉核心问题（MVS、SfM、NeRF/3DGS、点云配准ICP）
熟悉6D位姿估计（FoundationPose、MegaPose、GDRNPP、UniPose）与3D Hand Pose（MediaPipe Hands、HaMeR、ACR、MANO拟合）的实际项目经验
具备多传感器（RGB-D、鱼眼、IMU）标定、时间同步与手眼标定经验
精度导向的工程能力：有在真实机器人系统上实现并验证<<1cm级3D定位精度的项目经历，熟悉误差分析、不确定性量化与精度回归测试流程
具身智能理解：了解机器人操作中的感知需求，熟悉Ego4D、EPIC-KITCHENS、HOI4D、ARCTIC、Open X-Embodiment等数据集，有将感知算法部署于真实机械臂/人形机器人并采集训练数据的经验
软件工程：具备良好的工程习惯（Git、CI/CD、代码审查、单元测试），能够独立负责模块从算法设计到上线部署的全生命周期
工作职责
视觉感知：面向第一人称操作视角与第三人称交互视角，设计并优化物体检测、实例分割、语义分割算法
针对人手及手-物交互区域进行像素级高精度分割与关键点检测，支持多指灵巧手的关节级/指尖级定位需求
高精度深度估计与3D/6D位姿输出：研发单目/多目/结构光/ToF融合深度估计算法，构建从2D感知到稠密3D点云的精确映射管线
负责物体6D位姿估计与人手3D Mesh/关节位姿重建，确保在操作距离内达到1cm级绝对精度
建立基于几何约束与深度学习的混合位姿解算框架，持续优化边缘case下的精度稳定性
VLA与世界模型训练数据闭环：搭建从原始多模态视频流到结构化3D感知标签的自动化标注与质检管线
与机器人学习团队深度协作，将高精度3D/6D感知输出直接嵌入VLA模型与世界模型的训练流程，定义并维护感知-策略接口标准
参与构建大规模机器人示教数据集，确保感知标注精度满足模仿学习与强化学习要求
模型轻量化与端侧部署：负责感知模型在机器人端侧计算单元的量化、蒸馏与TensorRT/ONNX推理优化，满足实时性与低延迟要求，同时保证精度不降级
优先资格
具备CUDA、TensorRT、ONNX Runtime部署经验者优先
AI 洞察
优缺点分析
优点
- 深度参与前沿的机器人视觉与具身智能技术，积累稀缺的算法实战经验
- 公司处于机器人赛道风口，B轮阶段成长空间大，技术影响力强
- 工作内容涵盖算法研究到工程部署，全链路能力提升快
- 技术栈深厚且更新快，需要持续学习多种模型和工具
- 部署平台硬件资源受限，需在精度和实时性间平衡
- 适合具备扎实计算机视觉基础、对机器人感知有热情、且能接受高强度技术攻关的算法工程师
缺点 / 挑战
- 算法精度要求极高（1cm级），需要处理大量边缘case，压力较大
角色解读
- 成为机器人视觉感知领域的专家，主导核心算法研发
- 向具身智能（VLA、世界模型）方向深入，参与机器人学习全流程
- 有机会晋升技术负责人或技术架构师，带领团队解决复杂机器人感知问题
- 设计和优化物体检测、实例分割、语义分割算法，覆盖第一人称和第三人称视角
- 研发高精度深度估计与6D位姿估计管线，确保机器人操作场景下的厘米级定位精度
- 搭建自动化标注与数据闭环，支撑VLA模型和世界模型训练
- 负责感知模型在机器人端侧硬件的轻量化和部署优化，满足实时性要求
- 精通Python/C++和PyTorch，具备扎实的计算机视觉算法基础
- 深入理解2D/3D视觉模型（ResNet, ViT, DETR, Depth Anything, FoundationPose等）
- 熟悉多传感器标定（RGB-D, IMU, 鱼眼）和手眼标定
- 具备端侧部署经验（CUDA, TensorRT, ONNX）和精度工程能力
申请策略
- 关注公司技术博客或开源项目，了解团队技术方向
- 准备一个端到端的机器人感知演示项目，展示从算法到部署的能力
- 突出在物体检测、分割、深度估计或6D位姿估计上的实际项目成果，尤其是精度指标
- 强调端侧部署经验（TensorRT、ONNX）和手眼标定等工程能力
- 展示参与机器人相关数据集（如Ego4D, HOI4D）或具身智能项目的经历
- 加强3D视觉基础（MVS、SfM、NeRF）和深度估计算法（MiDaS, Depth Anything）
- 熟悉机器人操作系统（ROS）和传感器标定工具
- 学习VLA模型（如RT-2、Octo）和世界模型的基本概念
面试指南
- 技术问题：先概述理论基础，再结合项目具体实现，强调创新点和解决的关键难题
- 系统设计：从需求出发，分模块阐述方案，突出精度、实时性和鲁棒性权衡
- 案例类：用STAR法则（情境、任务、行动、结果）清晰叙述
- 请详细描述你参与过的6D位姿估计项目，如何达到1cm精度？
- 如何处理深度估计中的遮挡和反光问题？
- 解释TensorRT模型优化的步骤和常用技巧
- 你如何设计一个机器人手眼标定流程？
- 谈谈你对VLA模型的理解，感知输出如何融入动作生成？
职位点评
70
综合评分
前沿机器人视觉算法岗，技术成长极快，但工作强度和通勤压力较大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最适合追求前沿技术成长、愿意投入高强度研发、对机器人事业有使命感的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展90
工作生活45
使命价值80
薪资福利
65中等
薪资面议未披露，但机器人B轮公司通常能提供有竞争力的薪酬，福利未提及，补偿性动机满足程度中等。
薪资信号未披露（AI估算：35K-65K/月）
成长发展
90较高
职位涉及最前沿的机器人视觉和VLA技术，技能成长空间极大，且有机会参与完整数据闭环和部署，发展性动机满足程度很高。
技术前沿前沿/新兴技术
技术栈Python、C++、PyTorch、CUDA、TensorRT、ONNX、ResNet、ViT、DETR、Mask2Former、SAM、Depth Anything、Metric3D、FoundationPose、MegaPose、NeRF、3DGS、MANO、VLA
业务类型profit_center
工作生活
45较低
仅现场办公，未提及弹性工作，上海北京通勤压力较大，且机器人行业加班可能较多，生活化动机满足程度较低。
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
80较高
机器人行业处于高速增长赛道，推动自动化技术具有正向社会影响力，职位技术含量高，创新性强，意义感满足程度较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs