智元机器人
双目深度算法工程师
双目深度算法工程师
发布于 大约 9 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
Cuda
Opencv
Pytorch
Tensorrt
多视图几何
嵌入式部署
深度学习
双目立体匹配
AI 估算 · 30k–50k
上海B轮机器人公司，双目算法属于稀缺技能，薪资具有竞争力，结合经验要求2年+，预估薪资30-50k。
职位详情
关于这个职位
这是一个在智元机器人公司的核心算法岗位，专注于双目深度估计与多模态感知融合，涉及立体匹配、深度学习模型优化及嵌入式平台部署
你将挑战低光照、遮挡等极端场景，并参与构建机器人视觉系统，是机器人自主导航和环境感知的关键角色
最低要求
计算机、Robotics、自动化、电子工程等相关专业
精通C++/Python，掌握OpenCV/CUDA及深度学习框架（PyTorch/TensorRT），扎实的多视图几何基础（对极几何、相机模型、Bundle Adjustment）
年+双目视觉算法开发经验，主导过实时双目系统落地项目，深入理解立体匹配全流程（代价计算/聚合/视差优化/后处理）
熟悉基于深度学习的双目算法（如MonoDepth、Stereo Transformer、FoundationStereo）及部署技巧
面对未知领域的问题，有很强的自学能力
工作职责
双目深度算法研发，设计立体匹配算法（SGM、ELAS、深度学习端到端模型如PSMNet/CFNet），提升弱纹理/遮挡场景的深度估计精度
实时系统性能突破，实现算法在嵌入式平台的毫秒级推理（CUDA/TensorRT优化）
多模态感知协同，融合IMU/轮速计信息补偿运动模糊，开发动态场景的深度补全算法，构建双目与激光雷达/单目相机的跨模态标定与数据融合框架
极端场景攻坚，攻克低光照、强反光、雨雾干扰下的双目退化问题
开发视差-深度转换优化模型，联合标定参数与运动先验提升测距稳定性
建立评测体系，量化算法在KITTI、Middlebury等数据集以及仿真场景的关键指标（EPE>3px错误率、边缘保持度）
优先资格
在CVPR/ICCV/ECCV/NeurPS/ICLR/ACL/EMNLP等学术顶会有相关论文发表，或在相关国际竞赛中取得优异成绩者优先
AI 洞察
优缺点分析
优点
- 机器人行业前景广阔，双目视觉是自动驾驶和机器人感知的核心技术，积累经验后职业竞争力强
- 公司处于B轮融资阶段，技术投入大，有机会参与前沿算法研发与实际产品落地
- 技能栈前沿（深度学习+嵌入式优化+多模态融合），薪资待遇在行业中上水平
- 极端场景的算法攻关难度高，需要较强的数学基础和问题解决能力
- 嵌入式平台对实时性要求苛刻，算法优化和部署需要持续攻坚
- 工作强度可能较大，尤其在项目交付或方案迭代期
缺点 / 挑战
- 适合对计算机视觉和机器人技术有强烈兴趣，具备扎实编程和数学基础，喜欢挑战技术难题的算法工程师
角色解读
- 从算法工程师向技术专家或架构师发展，主导机器人感知系统的整体设计
- 可深入钻研多模态融合或SLAM方向，成为机器人视觉领域的核心技术骨干
- 有机会晋升为团队技术负责人，管理算法团队并推动技术创新
- 设计并优化双目立体匹配算法，包括传统方法（SGM/ELAS）和深度学习模型（PSMNet/CFNet），提升弱纹理、遮挡场景下的深度估计精度
- 将算法部署到嵌入式平台，使用CUDA和TensorRT进行毫秒级推理优化，确保实时性
- 融合IMU、轮速计等多模态传感器数据，开发动态场景深度补全和跨模态标定框架，提升系统鲁棒性
- 攻克低光照、强反光、雨雾等极端条件下的双目退化问题，建立评测体系衡量算法性能
- 精通C++/Python，熟练使用OpenCV、CUDA及深度学习框架PyTorch/TensorRT
- 扎实的多视图几何基础，熟悉对极几何、相机模型、Bundle Adjustment等
- 年以上双目视觉开发经验，深入理解立体匹配全流程，有实际落地项目经验
- 熟悉深度学习双目算法（如MonoDepth、Stereo Transformer）及部署技巧
申请策略
- 提前了解智元机器人的产品线和技术方向，在面试中展现对其场景的理解
- 准备一个自己主导的视觉项目案例，详细说明遇到的挑战和解决方案
- 突出双目立体匹配项目经验，特别是从算法到嵌入式部署的全流程案例
- 强调在多视图几何、深度学习模型优化方面的研究成果或实际落地数据
- 如有顶会论文或竞赛成绩，务必重点呈现
- 列出熟练掌握的编程语言、框架及优化工具（CUDA、TensorRT等）
- 深入学习经典立体匹配算法（SGM、ELAS）的数学原理及实现
- 实践PyTorch模型转TensorRT的量化与部署流程
面试指南
- 从问题本质出发，分步骤分析：首先定义问题，然后比较不同方案，最后结合具体场景给出最优解
- 结合项目经验，用STAR法则（情境、任务、行动、结果）说明实际案例，突出量化成果
- 展示对算法原理的深刻理解，同时体现工程思维和优化意识
- 请详细讲解立体匹配的完整流程，并说明不同代价计算方法的优缺点
- 如何优化深度学习双目模型使其在嵌入式平台上达到实时？
- 当双目在低光照或强反光场景下失效时，你会如何处理？
- 描述一个你解决过的复杂多视图几何问题
- 如何看待多模态融合在机器人感知中的作用？
职位点评
71
综合评分
前沿机器人公司核心算法岗，技术成长空间巨大，但工作强度可能较大。
更适合这类人
适合以技术成长为核心目标，愿意投入时间和精力攻克难题，追求前沿技术突破的求职者。
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40
使命价值80
薪资福利
75中等
薪资在行业内处于中上水平，B轮公司福利可能包括期权，但未在JD中明确，整体补偿性较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
技术栈前沿（深度学习、嵌入式优化、多模态融合），能参与核心算法研发，成长空间巨大。
技术前沿前沿/新兴技术
技术栈双目立体匹配、深度学习、PyTorch、TensorRT、CUDA、多视图几何、多模态融合
业务类型ambiguous
工作生活
40较低
职位要求嵌入式平台优化和极端场景攻坚，暗示工作强度和压力可能较大，未提及弹性工作或远程办公。
工作模式仅现场办公
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
机器人行业属于高速增长赛道，双目视觉技术对智能机器人发展有重要社会意义，岗位价值感强。
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
Watch Jobs