智元机器人
3D视觉算法工程师
3D视觉算法工程师
发布于 34 分钟前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
3D人体姿态估计
6D Pose Estimation
Pytorch
多模态感知
实时优化
机器人
深度学习
计算机视觉
值不值得投
69综合评分
综合评分 69
前沿3D视觉算法岗，技术成长性高，机器人应用前景明确，但对候选人技术功底要求严格，工作生活平衡信息不明确。
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。
薪资怎么样
38K
比计算机视觉工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1410 个在招
市场机会
选择面较广
上海 · 计算机视觉工程 · 85 个在招
职位详情
关于这个职位
该职位是智元机器人公司的3D视觉算法工程师，专注于研发机器人交互智能的核心感知能力
你将负责单目视频3D人体动作捕捉算法的迭代与落地，并参与构建包括人体跟踪、场景理解和物体位姿估计在内的空间感知算法体系，推动“感知→动作→执行”的全链路技术实现
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：
D 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 人体动作捕捉算法的研发、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
- 技术前沿性高：工作内容涉及3D视觉、机器人交互、多模态感知等前沿技术，能接触到行业最新研究成果
- 落地价值明确：研发的算法将直接赋能机器人产品，从感知到执行的闭环能带来强烈的成就感
- 协作链条完整：与动作生成、运控等团队协作，有机会理解机器人系统的全貌，而不仅仅是单一算法模块
- 创新探索空间：岗位明确提到“探索并落地”和“跟踪前沿”，鼓励技术创新
- 跨领域协作：需要与动作生成、运控等不同领域的团队沟通协作，对系统性思维和沟通能力有要求
- 学习速度快：机器人与AI领域技术迭代快，需要持续投入学习以保持技术领先
- 适合对计算机视觉、机器人学有浓厚兴趣，具备较强理论基础和工程落地能力，追求技术深度与创新，并乐于在跨领域协作中解决复杂问题的求职者
缺点 / 挑战
- 技术难度大：需要深厚的理论基础和工程能力，将前沿论文转化为稳定、实时的工程化方案挑战性强
角色解读
- 技术专家路径：在机器人感知算法领域持续深耕，成为3D视觉或机器人感知方向的技术专家
- 技术管理路径：随着项目经验的积累，可以带领小团队负责特定模块的研发，向技术负责人发展
- 行业拓展：积累的3D视觉与机器人交互经验，可向自动驾驶、AR/VR、数字人等更广泛的机器人与视觉智能领域拓展
- 你将专注于研发机器人感知系统的“眼睛”和“大脑”之一，即通过单目视频理解三维人体动作和场景，让机器人能“看懂”并与人和环境交互
- 你的工作包括算法创新、工程化落地，并与动作生成、运动控制等团队紧密协作，打通从感知到机器人执行的全链路
- 你也会跟踪前沿技术，探索如多模态融合等新技术在机器人上的应用，保持平台的技术先进性
- 必须具备扎实的3D计算机视觉算法功底，特别是在人体姿态估计、动作重建、物体位姿估计等至少两个领域有深入的实践经验
- 需要强大的机器学习/深度学习基础，熟练使用PyTorch等主流框架进行模型研发与优化
- 需要深厚的数学基础，尤其是线性代数、优化理论和几何视觉，这是理解并实现3D视觉算法的核心
申请策略
- 深入研究智元机器人的公开信息，特别是其“灵创平台”和公开的机器人产品，了解其技术路线和当前挑战，思考你的技能如何契合
- 在面试中，不仅要展示算法能力，也要表达对如何将算法落地到真实机器人产品中的思考，体现工程化和产品化意识
- 重点突出在3D人体姿态估计、动作重建、6D位姿估计等核心要求方向的项目经验或研究成果，包括具体使用的算法、解决的难点和效果
- 详细描述使用PyTorch/TensorFlow进行深度学习模型开发、训练、优化的项目，特别是涉及实时性、轻量化部署的案例
- 如果有相关论文发表，尤其是顶会论文，务必清晰列出，并简要说明研究贡献
- 展示任何与机器人感知、多模态数据融合或三维重建相关的实践经验
- 系统复习或深入学习多视图几何、非线性优化等计算机视觉核心数学知识，以应对可能的笔试或面试深入提问
- 研究并实践一些最新的3D视觉和动作生成模型，特别是基于Diffusion和Transformer的架构，以体现技术前瞻性
面试指南
- 对于技术难题类问题，采用STAR法则（情境、任务、行动、结果），重点阐述你的技术思路、尝试过程以及最终的量化效果或经验总结
- 对于系统设计或架构类问题，可以先从需求和约束分析入手，然后分模块（如数据预处理、模型选择与优化、后处理）进行阐述，并讨论可能的trade-off
- 对于开放性问题，可以结合你的项目经验进行类比，并引用相关领域（如自动驾驶、AR）的通用思路来支撑你的观点
- 请描述你过去在3D人体姿态估计或动作捕捉项目中遇到的最大技术挑战是什么，你是如何解决的？
- 如果要将一个高精度的3D姿态估计算法部署到机器人平台上，需要考虑哪些实时性和资源约束问题？你会如何优化？
- 如何设计一个多模态感知系统（如融合视频、深度图、IMU）来提升机器人在复杂场景下的鲁棒性？
- 请解释SMPL/SMPLX模型的基本原理，以及你在参数回归中通常如何处理遮挡或视角变化问题？
- 你如何理解“感知→结构化动作表征→机器人可执行动作”这一链路，你认为其中最关键或最困难的环节是什么？
职位点评
薪资福利70
成长发展80
工作生活50
使命价值75
薪资福利
70中等
薪资未在JD中明确披露，但基于岗位的技术深度、所需经验及公司融资阶段，市场竞争力应处于中上水平。公司为B轮中大型企业，可能提供标准福利体系。
薪资信号未披露（AI估算：25K-50K/月）
成长发展
80较高
该职位涉及机器人感知、3D视觉等前沿技术领域，技术深度和挑战性高，能提供显著的技术成长空间。但岗位要求高，需快速学习并应用于工程实践。
技术前沿前沿/新兴技术
技术栈3D Human Pose Estimation、SMPL-X、6D Pose Estimation、Diffusion、Transformer、PyTorch、多模态感知、Real-time Inference
成长机会参与构建...算法体系、探索并落地...技术、提供持续的技术创新能力
业务类型ambiguous
工作生活
50较低
JD未明确提及办公模式，仅给出了深圳、上海两个办公城市选项，推测为仅现场办公。未提及任何与工作生活平衡相关的信号。
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
75中等
该职位服务于机器人这一具有明确应用前景和社会价值的领域，致力于提升机器人的交互智能，具有较好的行业成长性和使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号支持未来多模态交互与场景互动能力、推进...全链路技术方案
创新程度积极采用新技术
Watch Jobs