吉利汽车
机器人感知算法工程师
机器人感知算法工程师
发布于 大约 4 小时前普通员工/个人贡献者
全职员工仅现场办公机器人开发
机器人开发
Bev
Ros
具身智能
多传感器融合
深度学习
点云处理
目标检测
语义分割
值不值得投
73综合评分
综合评分 73
前沿技术栈、行业前景好、成长性强，但工作地点与WLB信息不明，需自行确认。
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
35K
与机器人开发中位数基本持平
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 1900 个在招 · 其中机器人开发 5 个
市场机会
选择不多
杭州 · 机器人开发 · 3 个在招
职位详情
关于这个职位
作为吉利汽车集团的机器人感知算法工程师，你将投身于机器人核心感知能力的研发
工作内容涵盖2D/3D识别检测、图像分割、轨迹预测等前沿算法的设计与实现，并负责多传感器（如相机、激光雷达）的融合感知方案开发
最终，你的成果将直接赋能于机器人的自主导航、避障和抓取操作等核心交互任务，推动具身智能的发展
最低要求
计算机、人工智能、机器视觉、模式识别等相关专业本科及以上学历
精通 Python，熟练使用 C++，熟悉 Linux及ROS/ROS 2 开发环境，具备优秀的数学基础与算法数据结构能力
深入掌握主流的深度学习框架，在目标检测（2D/3D）、语义分割、目标跟踪等领域有深厚积累和实战经验，熟悉主流网络架构及其优缺点
具备丰富的多传感器（视觉、激光雷达等）融合经验，深入理解内外参标定及数据时空同步机制
工作职责
核心感知算法研发： 负责机器人 2D/3D识别检测、图像分割及轨迹预测等核心前沿算法的研发
基于业务需求，设计并搭建先进的深度学习算法架构（如卷积神经网络 CNN、目标检测算法 YOLO，以及基于 Transformer 的 DETR、DINO 等模型以及BEV/Occupancy三维感知方案），并对VLM视觉语言模型有基础了解和应用能力
多传感器融合感知：设计并开发基于多传感器（如 RGB-D 相机、LiDAR 等）的融合感知算法
通过深度学习或传统滤波等手段，对多模态原始数据（深度图/点云）进行时空同步与特征级/决策级融合
驱动下游导航、抓取与操作任务：将感知算法深度赋能于具身智能体的核心交互任务
针对机器人的自主导航、避障，以及复杂场景下的目标抓取与精细操作，提供稳定、高鲁棒性的感知模型输入与语义理解支持
优先资格
熟悉前沿视觉大模型（SAM, VLM 等），有实际具身智能体抓取/操作感知或自动驾驶感知算法量产落地经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与机器人/具身智能的最新算法研发，技术栈先进，涉及BEV、VLM、SAM等前沿领域
- 行业前景好：智能机器人与新能源汽车结合是明确的发展方向，市场空间大
- 公司平台：依托大型汽车集团，项目资源与工程化落地能力强，能看到技术从实验室走向产品
- 技术难度高：需要同时具备深度学习、计算机视觉、机器人学和多传感器融合等交叉学科知识，对个人能力要求很高
- 信息同步快：视觉感知技术日新月异（如SAM、VLM），需要持续学习以保持技术领先
缺点 / 挑战
- 工程落地压力：需要考虑算法在实际机器人平台上的实时性、鲁棒性和资源限制，研发周期可能较长
- 具备扎实计算机视觉与深度学习基础，对机器人与具身智能有浓厚兴趣，追求在硬核技术领域深耕，并能接受一定工程化挑战的求职者
角色解读
- 技术专家路径：深耕感知算法，在多模态融合、具身智能等方向成为领域专家
- 技术管理路径：带领小型算法团队，负责特定感知模块或子系统的整体研发
- 前沿探索路径：转向更前沿的具身大模型、世界模型等研究，引领技术方向
- 研发机器人的核心视觉感知算法，包括2D/3D目标检测、分割、跟踪及轨迹预测
- 设计并开发多传感器（相机、激光雷达等）融合感知系统，实现数据时空同步与特征融合
- 将感知算法应用于机器人的导航、抓取和操作等具体任务，为下游控制提供可靠的语义输入
- 扎实的深度学习理论基础与实战经验，精通CNN、Transformer等模型及其在目标检测（YOLO, DETR）和分割（SAM）中的应用
- 熟练掌握Python/C++编程，熟悉Linux和ROS/ROS2机器人操作系统开发流程
- 深入理解多传感器融合原理，掌握标定、同步及点云/深度图处理技术
申请策略
- 研究吉利在智能驾驶与机器人方面的公开技术分享或专利，了解其技术路线，在面试中展现你的思考与契合度
- 准备好讲解你简历中一个最复杂的感知项目，清晰阐述问题定义、技术选型、难点突破与最终效果
- 详细描述你在目标检测、语义分割、多传感器融合等领域的具体项目经验，突出使用了哪些先进模型（如YOLO系列、Transformer类模型）及解决的实际问题
- 展示你在Linux/ROS环境下的开发经验，以及使用Python/C++进行算法工程化的能力
- 如有自动驾驶或机器人感知相关的实习、竞赛或开源项目经历，务必重点突出
- 系统复习并实践最新的视觉大模型（如SAM, VLM）及其在感知任务中的应用
- 深入了解自动驾驶或机器人领域的感知方案（如BEV、Occupancy Network），阅读相关顶会论文
- 在ROS2环境中搭建完整的感知-导航仿真pipeline，进行工程实践
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化回答项目经验问题，重点突出你的技术决策与思考过程
- 在回答技术原理题时，先阐述核心概念，再结合实际场景（如自动驾驶/机器人）说明优缺点和应用场景
- 对于开放性系统设计题，先明确需求和约束（算力、实时性、成本），再分模块（感知、融合、决策）提出方案，并说明可能的技术选型
- 请介绍一个你做过的最复杂的2D/3D目标检测或分割项目，遇到了哪些挑战，如何解决的？
- 如何将来自相机和激光雷达的数据进行有效融合？有哪些常见的融合层级和方法？
- 如果让你为一个服务机器人设计抓取前的感知系统，你会考虑哪些关键点？
- 如何评估一个感知算法在真实机器人上的性能？除了mAP，还需要关注哪些指标？
- 你对BEV感知和Occupancy Network有什么理解？它们相比传统方法有何优势？
职位点评
薪资福利70
成长发展90
工作生活50
使命价值80
薪资福利
70中等
岗位属于高端技术序列，市场薪酬水平应具有竞争力。但JD未明确提及薪资范围和具体福利，补偿性激励主要依赖市场惯例。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
该岗位直面机器人感知与具身智能的前沿技术，涉及深度学习、多模态融合等多个技术深水区，能提供极佳的技术成长与积累机会。
技术前沿前沿/新兴技术
技术栈Python、C++、深度学习、目标检测、语义分割、多传感器融合、ROS、BEV、具身智能、VLM
业务类型profit_center
工作生活
50较低
工作地点未明确，可能需现场办公。作为研发岗位，项目冲刺期可能面临一定的工作强度，但JD未提及具体的工作模式与WLB政策。
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
80较高
机器人与具身智能是推动制造业升级和智能化转型的关键技术，该岗位能直接参与创造具有实际交互能力的智能体，社会价值与技术影响力较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号驱动下游导航、抓取与操作任务、将感知算法深度赋能于具身智能体的核心交互任务
创新程度积极采用新技术
Watch Jobs