智元机器人
感知算法工程师-灵犀业务部
感知算法工程师-灵犀业务部
发布于 2 天前普通员工/个人贡献者
深圳市
无经验要求
全职员工
仅现场办公
硕士
软件工程
Bev感知
Pytorch
多传感器融合
机器人感知
深度学习
计算机视觉
Mmdetection3D
Occupancy网络
AI 估算 · 20k–30k
深圳算法岗校招薪资，结合B轮机器人创业公司，月薪2-3w属于市场水平，叠加13-14薪。
职位详情
关于这个职位
该职位属于智元机器人灵犀业务部，主要负责人形机器人环境感知核心算法的研发，包括BEV感知、Occupancy占用网络、多传感器融合等
你将参与从算法设计到端侧部署的全流程，与顶尖团队一起定义下一代人形智能交互服务终端
适合对机器人感知和深度学习有浓厚兴趣的2027届硕士毕业生
最低要求
届硕士及以上学历，计算机、自动化、电子信息、人工智能等相关专业
扎实的深度学习与计算机视觉基础，熟悉目标检测、语义分割、多模态融合、Transformer 等
熟悉以下至少一个方向并有项目 / 论文 / 竞赛经验：
（1）BEV 感知（BEVFormer / BEVDet / LSS / PETR 等）
（2）Occupancy 预测（OccNet / TPVFormer / SurroundOcc 等）
（3）多传感器（相机 + LiDAR）时序融合感知
熟练掌握 Python 与 PyTorch，熟悉主流感知框架（MMDetection3D / OpenPCDet 等），具备 C++ 工程能力者优先
工作职责
负责人形机器人环境感知核心算法研发，构建统一的环境理解模型，为导航与决策提供可靠的语义与几何信息
研发 BEV（Bird's-Eye-View）感知算法，实现多相机 / 多模态特征在统一空间下的融合与目标检测、可行驶 / 可通行区域估计
研发 Occupancy（OCC）占用栅格 / 占用网络算法，实现对三维空间通用障碍物、动静态物体的稠密语义占用预测
构建以视觉为中心、多传感器融合的端到端感知大模型，探索感知与导航联合训练的技术路线
负责感知模型的数据闭环、模型迭代、量化压缩与端侧实时部署优化
优先资格
自动驾驶 / 机器人感知项目经验、顶会论文、Nuscenes / Waymo / Occupancy 等榜单成绩、模型部署与推理优化经验
AI 洞察
优缺点分析
优点
- 人形机器人是新兴高增长赛道，技术前沿，积累经验价值高
- 团队年轻创新，技术氛围浓厚，有机会参与爆款产品从0到1的全过程
- 与顶尖技术大牛共事，快速提升算法工程化能力
- B轮公司发展迅速，有较大的晋升空间和股权激励可能
- 技术难度高，涉及多模态融合、实时部署等难题，需要较强的学习能力
- 适合对机器人感知有强烈兴趣、动手能力强、愿意在创业团队中快速成长的2027届硕士毕业生
缺点 / 挑战
- 创业公司节奏快，可能面临高强度工作和快速迭代的压力
- 算法落地与硬件结合紧密，需要跨团队协作，沟通成本较高
角色解读
- 从算法研发工程师向感知技术专家方向发展，深耕机器人感知领域
- 可向技术负责人或架构师晋升，主导感知系统设计与团队管理
- 结合机器人行业爆发趋势，可跨领域进入自动驾驶或通用AI方向
- 研发人形机器人的环境感知算法，包括BEV感知和Occupancy占用网络，让机器人理解周围环境
- 构建多传感器融合的端到端感知大模型，探索视觉导航联合训练
- 负责感知模型的数据闭环、迭代优化以及端侧实时部署
- 参与从技术创新到产品落地的全过程，与团队共同定义下一代智能交互终端
- 扎实的深度学习与计算机视觉基础，熟悉目标检测、语义分割、Transformer等
- 精通BEV感知或Occupancy预测算法，有相关项目经验
- 熟练使用Python和PyTorch，熟悉MMDetection3D等感知框架
- 具备C++工程能力及模型部署优化经验者优先
申请策略
- 关注智元机器人官网和灵犀产品动态，面试中体现对产品的热情
- 准备好一个完整的感知项目介绍，包括技术选型、挑战和成果
- 突出在BEV感知或Occupancy预测方向的项目经验，详细描述算法实现与效果
- 展示顶会论文、竞赛成绩或开源项目贡献，证明研究能力
- 强调Python/PyTorch熟练度以及C++工程能力，体现工程化潜力
- 如有自动驾驶或机器人相关实习经历，务必重点呈现
- 深入复习BEVFormer、OccNet等经典算法原理，并动手复现
- 学习模型量化压缩和ONNX/TensorRT部署技术，为面试加分
面试指南
- 对于算法原理题，先阐述核心概念，再对比不同方法，最后总结适用场景
- 对于项目经验题，使用STAR法则（情境、任务、行动、结果）结构化回答
- 对于部署优化题，从模型量化、剪枝、算子融合等角度展开，结合具体工具
- 请解释BEV感知的原理，并对比BEVFormer和LSS的优缺点
- Occupancy网络如何实现三维语义占用预测？如何处理动态物体？
- 你在项目中如何处理多传感器融合？遇到的主要挑战是什么？
- 如何将算法模型部署到机器人端侧？需要考虑哪些优化？
- 描述一个你在深度学习项目中最有成就感的成果
职位点评
69
综合评分
人形机器人感知算法岗，技术前沿、发展空间大，但创业节奏快、WLB一般。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
适合追求技术成长、愿意接受挑战的新人，对WLB要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活40
使命价值75
薪资福利
60中等
B轮创业公司，薪资水平处于市场中上但不如大厂稳定，福利未明确，补偿性动机满足中等。
薪资信号面议 (20K-30K/月)
成长发展
90较高
技术前沿（人形机器人、BEV、Occupancy），团队创新氛围好，有项目迭代机会，发展性动机很高。
技术前沿前沿/新兴技术
技术栈BEV感知、Occupancy网络、深度学习、计算机视觉、PyTorch、多传感器融合、Transformer
成长机会技术大牛汇聚、工程师文化浓厚、深度参与全过程
业务类型ambiguous
工作生活
40较低
为仅现场办公，未提及弹性工时或WLB，创业公司节奏快，生活化动机满足较低。
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
人形机器人是新兴高速增长赛道，具有较大社会影响力潜力，但JD未直接强调使命。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs