智元机器人
3D视觉算法工程师
3D视觉算法工程师
发布于 2 天前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
3D视觉
Pytorch
Smpl
Tensorflow
人体姿态估计
动作捕捉
多视图几何
机器人感知
深度学习
AI 估算 · 25k–45k
深圳B轮机器人公司算法岗，3D视觉方向人才稀缺，薪资竞争力强，结合行业水平估算。
职位详情
关于这个职位
该职位专注于3D视觉与人体动作捕捉算法研发，为机器人交互构建空间感知能力
你将负责姿态估计、mesh重建、6D位姿估计等核心算法，并与动作生成和运控团队协作，推动感知到动作的全链路落地
适合对计算机视觉和机器人技术有深入研究经验的算法工程师
最低要求
计算机视觉、人工智能、机器人等相关专业硕士及以上学历
在以下至少两个方向具备深入研究经验：
）3D 人体姿态估计 / SMPL-X 参数估计
）视频到动作（Video-to-Motion）动作重建
）多视角融合、单目深度估计、3D Reconstruction
）物体 6D 位姿估计（Pose Estimation / Keypoint / ICP / PnP）
）时序动作优化（Kalman / smoother / VAE / diffusion）
）扎实的机器学习与深度学习基础，熟练使用 PyTorch / TensorFlow
有扎实的数学基础（线性代数、优化、几何视觉、多视图几何）
工作职责
负责单目视频3D 人体动作捕捉算的研发、迭代与工程化落地，创新灵创平台的核心能力
包括 2D/3D 姿态估计、mesh 重建、SMPL/SMPLX参数回归、时序优化等
参与构建机器人交互智能的空间感知算法体系：人体跟踪、骨骼估计、深度估计、场景理解、空间语义理解等
研发物体检测与位姿估计算法（6D Pose Estimation），支持未来多模态交互与场景互动能力
与动作生成模型、运控团队协作，推进“感知 → 结构化动作表征 → 机器人可执行动作”的全链路技术方案
探索并落地多模态感知技术（视频/深度/IMU/音频等融合）用于机器人交互场景
跟踪视觉计算与 3D 人体理解领域前沿研究，为平台产品提供持续的技术创新能力
优先资格
有 3D 检测 / 跟踪 / 动作捕捉 相关论文发表（CVPR/ICCV/ECCV/TPAMI/TVCG）
有动作重定向（Retargeting）、IK/FK、多体动力学经验
有 Diffusion/Transformer 用于 3D 动作理解与生成相关经验
有机器人感知、视觉伺服、场景交互项目经验
熟悉数字人、虚拟主播、视频驱动角色动画（Vtuber / mocap / avatar）
对 Real-time、low-latency 推理有优化经验
AI 洞察
优缺点分析
优点
- 技术前沿：涉及SMPL、Diffusion、Transformer等热门方向，紧跟行业趋势
- 应用场景明确：直接服务于机器人交互，落地性强，成果可量化
- 团队协作空间：与动作生成和运控团队紧密合作，拓宽技术视野
- 创业公司成长快：B轮阶段，个人影响力大，晋升机会多
- 技术难度高：多模态融合、实时性优化等对算法能力要求极高
- 竞争激烈：行业人才稀缺但岗位要求高，需要持续学习前沿论文
缺点 / 挑战
- 工程化压力：需要将算法部署到实际机器人系统，涉及大量调试与优化
- 适合在3D视觉或人体感知方向有深厚积累，喜欢技术挑战，渴望将算法落地到机器人产品的工程师
角色解读
- 技术深耕：成为3D视觉与机器人感知领域的专家，主导核心算法突破
- 跨领域拓展：结合动作生成、运控等方向，向机器人全栈算法发展
- 管理路线：带领算法团队，负责产品级视觉系统的架构与交付
- 研发单目视频3D人体动作捕捉算法，包括姿态估计、网格重建和SMPL参数回归
- 构建机器人空间感知体系，涵盖人体跟踪、深度估计和场景理解
- 开发物体6D位姿估计算法，支持多模态交互场景
- 与动作生成和运控团队协作，打通感知到机器人执行的全链路
- 精通计算机视觉与深度学习，熟练使用PyTorch或TensorFlow
- 在3D人体姿态估计、动作重建或6D位姿估计等方向有深入研究
- 扎实的数学基础，特别是线性代数、多视图几何和优化
- 了解时序动作优化方法（Kalman、VAE、Diffusion等）
申请策略
- 了解智元机器人的产品方向（人形机器人？），在求职信中表达对机器人交互的兴趣
- 准备一个端到端的3D动作捕捉demo，展示从输入到输出的完整流程
- 突出3D人体姿态估计或动作捕捉项目的具体成果（如精度、速度指标）
- 强调使用PyTorch/TensorFlow的经验，以及相关的开源贡献或论文
- 展示在机器人感知或交互项目中的实际应用，尤其是多模态融合经验
- 如果有6D位姿估计或时序优化经验，务必单独列出
- 补充SMPL/SMPLX模型的使用经验，练习从视频中回归参数
- 学习Diffusion或Transformer在3D动作生成中的应用
面试指南
- 先从原理出发解释算法核心，再结合实际项目经验说明优缺点和改进
- 对于实时性问题，按“模型轻量化→推理加速→硬件适配”的逻辑分层回答
- 请详细解释SMPL模型参数回归的流程，以及如何处理遮挡问题
- 如何从单目视频中估计3D人体姿态？常用的网络架构有哪些？
- 描述你在6D位姿估计中使用过的算法（如PnP、ICP），以及它们的优缺点
- 你如何评估一个动作捕捉算法的精度？常用的数据集和指标有哪些？
- 如果要将一个高精度但耗时的模型部署到机器人上实时运行，你会做哪些优化？
- 复习多视图几何、极线几何等基础知识，准备推导基础矩阵
职位点评
69
综合评分
前沿3D视觉算法岗，技术成长极快，薪资有竞争力，但工作强度和不确定性较高。
更适合这类人
最注重技术成长和发展的求职者，愿意为前沿技术投入时间，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活40
使命价值75
薪资福利
70中等
深圳B轮创业公司，薪资有竞争力但稳定性略逊于大厂，福利信息未在JD中提及。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
技术方向前沿（3D视觉、人体理解、机器人感知），有明确的研发任务和论文跟踪要求，成长性极高。
技术前沿前沿/新兴技术
技术栈3D人体姿态估计、SMPL、6D位姿估计、动作捕捉、多模态融合
成长机会跟踪前沿研究、技术方案
业务类型profit_center
工作生活
40较低
未提及远程或弹性工作，深圳南山/科技园办公，创业公司可能加班较多。
工作模式仅现场办公
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
75中等
机器人交互领域具有社会价值（赋能机器人智能），但JD未明确使命感描述。
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