哈啰出行
感知算法工程师/专家-【自动驾驶】
感知算法工程师/专家-【自动驾驶】
发布于 1 天前普通员工/个人贡献者
上海市 / 北京市
高级经验
全职员工
仅现场办公
硕士
自动驾驶
CUDA
目标检测
世界模型
BEV
端到端
感知算法
视觉感知
量化剪枝
Centerpoint
AI 估算 · 35k–60k
自动驾驶感知算法岗位技术难度高，市场需求大，结合上海/北京城市薪资水平及公司规模，竞争力强。
职位详情
关于这个职位
该职位负责自动驾驶感知算法的研发与落地，包括数据获取、模型训练、部署优化及路侧问题修复
你将参与点云与视觉感知模型（如PointPillar、BEVFormer）的开发，并有机会探索端到端方案
适合有3年以上自动驾驶感知经验、熟悉部署优化（量化剪枝）的算法工程师
最低要求
硕士及以上学历，专业方向包括计算机、软件、自动化、模式识别、电子等理工科
感知开发经验不小于3年，拥有2个及以上自动驾驶项目工作经验
具备较强的感知算法设计及验证能力，熟悉3D/4D数据打标方法、Lidar点云运动畸变去除、LC同步原理、内外参标定等数据处理方式，熟悉常见的Lidar OD感知模型，如PointPillar、Center Point、CenterFormer、LidarFormer等，熟悉常见的视觉感知模型，如Yolo系列、BEVFormer等
熟悉模型训练常见方法、Loss设计、数据增强方式等，熟悉模型TRT部署流程，如量化、剪枝等，有相关的调试经验
加分项：有cuda算子定制开发经验
熟悉常见感知问题的表现及修复技巧
踏实靠谱，积极肯干，具备良好的团队内及跨团队沟通能力
工作职责
负责公司感知算法开发所需的数据获取（含标注管理）
负责公司感知算法（Lidar OD及红绿灯感知开发为主，视觉BEV开发为辅）技术路线制定、任务划分、结果管理，完成模型训练、评测及SoC部署（量化剪枝等）
路侧感知问题的原因分析、修复方案制定及监督实施
一段式端到端方案的预研
优先资格
加分项：有端到端智能驾驶开发经验，有世界模型开发经验，对创业有激情
AI 洞察
优缺点分析
- 深度参与自动驾驶核心感知算法，技术壁垒高，积累竞争力强的经验
- 哈啰出行作为超级独角兽，平台大、资源足，项目落地机会多
- 涉及点云与视觉双模态，技术栈全面，有利于综合能力提升
- 有机会接触端到端等前沿方向，保持技术前瞻性
- 感知算法对实时性和准确性要求极高，调试和优化难度大
- 可能需要处理繁杂的数据标注管理，工作内容不完全限于建模
- 自动驾驶行业竞争激烈，项目节奏快，可能面临一定工作压力
- 适合有较强算法工程能力、热爱自动驾驶技术、愿意深入工程落地的资深算法工程师
角色解读
- 可向感知算法专家或技术负责人发展，深入自动驾驶核心技术
- 可横向迁移至其他自动驾驶模块（如预测、规划控制），或转向端到端方向
- 行业前景广阔，可跳槽至其他自动驾驶公司或创业
- 负责自动驾驶感知算法的数据获取与管理，包括标注流程和质量控制
- 主导Lidar目标检测和红绿灯感知模型的开发与优化，同时兼顾视觉BEV感知模型
- 制定技术路线、划分任务、管理结果，完成模型训练、评测及在SoC上的部署（量化剪枝）
- 分析并修复路侧感知问题，预研端到端自动驾驶方案
- 扎实的感知算法基础，熟悉常见点云和视觉模型（如PointPillar、BEVFormer）
- 精通模型训练流程，包括Loss设计、数据增强及TRT部署中的量化剪枝
- 具备数据处理与标定知识，如点云畸变去除、内外参标定
- 加分项：CUDA算子开发、端到端或世界模型经验
申请策略
- 在求职信中表达对自动驾驶创业激情的认同，尤其是哈啰出行在共享出行领域的定位
- 提前了解哈啰出行自动驾驶业务板块，面试时体现业务理解
- 突出自动驾驶感知项目经验，尤其是点云或视觉模型从开发到部署的全流程
- 强调模型部署经验（如TensorRT量化剪枝），以及实际解决感知问题的案例
- 如有端到端或世界模型相关经历，务必重点展示
- 展现团队协作与沟通能力，尤其是跨团队推动问题解决的经历
- 学习CUDA算子开发，提升底层优化能力
- 熟悉世界模型或端到端自动驾驶的最新论文与开源实现
面试指南
- 对于项目经历问题，采用STAR原则（情境-任务-行动-结果），突出个人贡献与量化成果
- 对于技术对比问题，从原理、适用场景、性能权衡等维度展开，体现系统性思维
- 对于问题修复类问题，遵循数据驱动思路：定位问题→分析根因→提出方案→验证效果
- 请详细描述你参与的一个自动驾驶感知项目，从数据标注到模型部署的全流程
- PointPillar和CenterPoint的主要区别是什么？在什么场景下选择哪种模型？
- 模型量化剪枝时遇到过哪些问题？如何解决精度损失？
- 如何分析路侧感知中的漏检或误检问题？请给出修复思路
- 你对端到端自动驾驶方案怎么看？与传统模块化方案相比有何优劣？
匹配度报告
69
综合匹配度
自动驾驶赛道，前沿技术栈，高成长性，但WLB一般，适合技术驱动型人才。
适合人群
最适合追求技术成长、愿意在高强度创新领域挑战的算法工程师，WLB要求不高者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利匹配
75中等
薪资待遇处于市场较高水平，但JD未明确具体福利，整体补偿性中等偏上。
薪资信号未披露 (35K-60K/月)
成长发展匹配
90较高
技术栈前沿（点云+视觉BEV+端到端），涉及最新感知模型和部署优化，成长空间大。
技术前沿前沿/新兴技术
技术栈Lidar点云、BEV、PointPillar、CenterPoint、BEVFormer、TensorRT、量化剪枝、CUDA、端到端、世界模型
业务类型profit_center
工作生活匹配
40较低
JD未提及远程或弹性办公，自动驾驶岗位通常要求现场办公，且行业加班文化常见，WLB一般。
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）
使命价值匹配
70中等
自动驾驶是高速增长赛道，对社会交通效率有积极影响，但JD未强调使命感，意义感中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs