卡特彼勒
Senior Autonomy Engineer
Senior Autonomy Engineer
发布于 5 个月前普通员工/个人贡献者
无锡市
高级经验
全职员工
仅现场办公
本科
软件工程
Bev感知
多传感器融合
激光雷达
目标检测
ROS/ROS2
TensorRT
AI 估算 · 35k–55k
高级自动驾驶感知算法岗，技术壁垒高，矿山场景复杂，市场需求大，薪资竞争力强。
职位详情
关于这个职位
这是一个专注于矿山无人驾驶领域的感知融合架构工程师职位
你将负责设计并开发矿用无人驾驶车辆的感知系统，包括多传感器（激光雷达、摄像头、毫米波雷达）的融合算法研发、系统集成与调试
核心目标是应对矿山复杂环境，确保感知系统的高精度、高稳定性和可靠性，以支持无人矿卡的安全稳定运行
最低要求
计算机、自动化、电子工程等相关专业本科及以上学历
年以上自动驾驶或机器人感知算法开发经验，并有完整参与从传感器选型、算法开发到实际部署的项目经历
深入理解激光雷达、摄像头、毫米波雷达等传感器原理，精通目标检测、识别与跟踪、多传感器数据融合等感知算法
具备将算法应用于复杂场景的实战能力
精通主流感知算法原理，如目标检测、语义分割、BEV建模、Transformer网络等，并具备实际应用经验
精通 C++、Python 编程，熟练使用 Linux 开发环境
熟悉 ROS/ROS2、Apollo 等主流自动驾驶开发框架，了解TensorRT等模型加速工具，具有良好的代码调优和调试能力
具有系统化思维和架构设计能力，善于将复杂问题模块化并制定有效解决方案
良好的沟通协作能力，能在跨团队合作中推动项目进展
有矿山无人驾驶感知应用经验，熟悉矿山场景无人驾驶感知准确性以及相关处理方法，了解矿山应用感知算法的缺陷，协助规划以及控制提供合适的方案
工作职责
架构设计与规划：定义和设计矿用无人驾驶车辆的感知系统架构，并制定长期演进路线，涵盖激光雷达、摄像头、毫米波雷达等多传感器的组合应用，以满足复杂矿山作业环境的感知需求
融合算法研发与优化：主导开发环境感知算法，包括目标检测、目标跟踪、传感器数据融合等，持续优化算法精度和实时性能，确保感知系统的高精度和高稳定性
着重提高多传感器融合感知的可靠性，降低误检漏检率
系统集成与调试：与定位、决策规划、控制等团队协作，将感知模块与整车系统进行集成测试和联调优化，确保感知结果能无缝对接后续模块，支持无人矿卡在现场的安全稳定运行
技术前沿跟进：密切关注自动驾驶感知领域的新技术趋势，了解行业内视觉主导与激光雷达主导两大主流感知技术路线的优劣
将先进的感知技术（如 BEV 感知、Transformer 等）融入架构设计，不断提升系统的前瞻性和竞争力
针对矿区扬尘、雨雪、夜间低光等特殊工况，研发抗干扰与冗余机制，保障感知系统稳定运行
优先资格
有矿山、港口、物流等工业场景的无人驾驶项目经验
有乘用车或商用车自动驾驶感知系统研发经验，了解从硬件选型到算法部署的完整流程
具备嵌入式平台部署与优化经验，熟悉车规级硬件环境
AI 洞察
优缺点分析
优点
- 技术前沿：深度参与自动驾驶感知核心算法研发，接触BEV、Transformer等前沿技术，技术成长空间大
- 行业前景：矿山无人驾驶是自动驾驶商业化落地的重要方向之一，行业需求明确，职业发展前景好
- 平台优势：卡特彼勒是全球工程机械巨头，平台资源丰富，项目落地性强，能接触到大规模真实工业应用场景
- 技能复合：不仅需要算法能力，还涉及系统架构、软硬件集成，能培养解决复杂工程问题的综合能力
- 场景特定：经验积累可能更偏向矿山等特定工业场景，若想转向乘用车自动驾驶，可能需要额外的知识适配
- 适合拥有扎实的自动驾驶感知算法背景，对解决复杂工业场景实际问题有强烈兴趣，并具备良好工程实现和团队协作能力的资深工程师
缺点 / 挑战
- 技术难度高：矿山环境复杂多变（扬尘、低光、地形崎岖），对感知算法的鲁棒性和精度要求极高，技术挑战大
- 工作压力：涉及整车系统集成与现场调试，需应对项目 deadlines 和解决突发的技术问题，工作强度可能较大
角色解读
- 技术专家路径：深耕感知算法与系统架构，成为矿山或工业自动驾驶领域的顶尖技术专家或首席架构师
- 技术管理路径：凭借项目经验和系统思维，转向技术管理岗位，如感知技术团队负责人或项目经理
- 行业拓展路径：积累的工业场景无人驾驶经验，可向港口、物流、智慧农业等其他封闭或半封闭场景拓展，前景广阔
- 负责设计矿山无人驾驶车辆的感知系统整体架构，并规划其技术演进路线
- 主导开发并持续优化多传感器（激光雷达、摄像头、毫米波雷达）融合算法，包括目标检测、跟踪等，以应对矿山复杂环境
- 与定位、决策规划等团队紧密协作，完成感知模块的系统集成与整车联调，确保无人矿卡安全稳定运行
- 跟踪自动驾驶感知技术前沿（如BEV、Transformer），并研究针对矿区扬尘、雨雪等特殊工况的抗干扰与冗余机制
- 精通C++/Python编程，熟悉Linux、ROS/ROS2、Apollo等自动驾驶开发框架及TensorRT等模型加速工具
- 深入理解激光雷达、摄像头等传感器原理，精通目标检测、跟踪、多传感器数据融合等核心感知算法
- 具备将算法在复杂工业场景（如矿山）中从开发到部署的完整项目经验，以及系统架构设计能力
- 拥有良好的跨团队沟通协作能力，能够推动项目进展并解决集成调试中的实际问题
申请策略
- 深入了解卡特彼勒在矿山自动化、无人驾驶领域的战略布局和已发布的产品/解决方案，在面试中展现你的关注和思考
- 准备阐述你对工业场景（vs. 开放道路）自动驾驶技术差异的理解，以及你为何对这个方向感兴趣
- 重点突出完整的自动驾驶感知项目经历，特别是从传感器选型、算法开发到实际部署落地的全流程经验
- 详细描述在复杂环境（如矿山、港口）下解决的具体感知技术难题，以及采用的算法优化和工程化手段
- 展示对多传感器（激光雷达、摄像头、毫米波雷达）融合技术的深入理解和实际应用案例
- 强调系统架构设计能力和跨团队（如与定位、规划团队）协作推动项目进展的经验
- 若对矿山场景不熟悉，可提前研究相关论文或行业报告，了解其环境特点及对感知技术的特殊要求
- 加强对BEV感知、Transformer等前沿感知技术原理的理解，并思考其应用于工业场景的潜在优势和挑战
面试指南
- 采用STAR法则（情境、任务、行动、结果）来结构化回答项目经验类问题，突出你的技术决策、行动和实际成效
- 对于技术方案设计题，先分析场景核心痛点，再提出多层次解决方案（如传感器选型、算法策略、系统冗余），并说明权衡依据
- 在回答中体现你的系统思维，不仅关注算法本身，还要考虑工程落地、与其他模块的接口以及实际运行稳定性
- 请详细介绍一个你主导或深度参与的自动驾驶感知项目，你在其中具体负责什么？遇到了什么挑战？如何解决的？
- 在矿山这种扬尘严重的环境下，你认为多传感器融合方案应该如何设计以提高系统的鲁棒性？
- 请比较视觉主导和激光雷达主导两种感知技术路线在矿山场景下的优缺点
- 如果摄像头在低光条件下失效，你的感知系统如何通过冗余设计保证基本功能？
- 你如何评估和优化一个目标检测模型在嵌入式平台上的推理速度和精度？
职位点评
Watch Jobs