哈啰出行
感知算法实习生（BEV方向）-【自动驾驶】
感知算法实习生（BEV方向）-【自动驾驶】
发布于 大约 17 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
硕士
PyTorch
TensorFlow
模型部署
自动驾驶
目标检测
3D重建
多模态融合
Bev感知
AI 估算 · 4k–8k
实习生岗位，上海自动驾驶算法方向，市场月薪约4k-8k，技术前沿但非正式员工，薪资中等偏低。
职位详情
关于这个职位
加入哈啰出行自动驾驶团队，专注于BEV感知算法的研发与落地，参与2D/3D目标检测、语义分割等前沿技术，与一流团队共同推动自动驾驶环境感知能力提升
你将接触DETR3D、BEVFormer等主流模型，并有机会将算法部署到车端，实现技术从研究到产品的闭环
最低要求
硕士及以上学历，计算机科学、人工智能、机器人等相关专业优先
精通BEV感知算法研发经验，熟悉主流模型（如DETR3D、Sparse4D、BEVFormer、PETRv2等）
熟练掌握PyTorch/TensorFlow框架及C/C++/Python编程，具备模型部署优化能力
熟悉目标检测（如YOLO、CenterNet）、多模态融合、3D重建等技术
工作职责
负责自动驾驶系统中BEV（鸟瞰图）感知算法的研发与落地，包括但不限于2D/3D目标检测、语义分割、深度估计、OCC、车道线检测等任务
基于视觉、激光雷达（LiDAR）或融合传感器数据，设计并优化BEV特征表示与感知模型，提升复杂场景下的环境理解能力
研究并实现BEV感知算法的轻量化部署（如模型压缩、加速推理），满足车端实时性与算力约束
跟踪学术前沿（如OCC、NeRF、Diffusion模型），推动算法创新并应用于实际业务场景
AI 洞察
优缺点分析
- 前沿技术栈：BEV是自动驾驶感知的核心方向，技术含金量高，利于长期职业发展
- 公司平台：哈啰出行C轮后超大型企业，资源丰富，业务落地场景多
- 技能积累：接触模型部署、多模态融合等实用技能，提升工程和学术能力
- 技术难度大：BEV感知及模型部署需要深厚算法和工程功底，学习曲线陡峭
- 竞争激烈：自动驾驶是热门领域，实习生岗位面临较多优秀候选人的竞争
- 实习期可能面临较高强度工作，需快速产出成果
- 适合对自动驾驶感知有强烈兴趣、具备扎实计算机视觉和深度学习基础的硕士/博士研究生，希望积累前沿算法经验并提升工程落地能力
角色解读
- 深耕自动驾驶感知方向，向算法专家发展，主导感知模块升级
- 横向拓展到规划、控制等自动驾驶全栈方向，成为系统架构师
- 积累行业经验后，可向AI算法负责人或技术管理岗位晋升
- 负责自动驾驶BEV感知算法的研发，包括目标检测、语义分割、深度估计等核心任务
- 设计并优化基于视觉、激光雷达或多传感器融合的BEV特征表示与感知模型，提升复杂场景理解
- 研究模型轻量化技术（如压缩、加速推理），实现车端实时部署
- 跟踪学术界前沿（如OCC、NeRF），推动算法创新落地
- 精通BEV感知算法，熟悉DETR3D、BEVFormer等主流模型
- 熟练使用PyTorch/TensorFlow及C/C++/Python编程，具备模型部署优化能力
- 熟悉目标检测（YOLO、CenterNet）、多模态融合、3D重建等技术
申请策略
- 了解哈啰出行自动驾驶业务方向和产品规划，在面试中体现对公司的认知
- 准备一个自己最得意的相关项目，能清晰讲述技术难点和解决方案
- 突出BEV或3D感知相关项目经验，如使用过DETR3D、BEVFormer等框架
- 强调PyTorch/TensorFlow使用经验，以及C++模型部署优化项目
- 如有相关论文、竞赛获奖或开源贡献，务必展示
- 补充BEV感知最新论文阅读，实现一个简单的BEV模型
- 学习模型量化、剪枝等轻量化部署技术，如TensorRT、ONNX
面试指南
- 使用STAR法则：情境-任务-行动-结果，结构化描述项目经验
- 对于算法问题，先阐述原理，再对比优缺点，最后结合实际应用
- 请简述BEVFormer的核心思想与实现流程
- 如何将BEV模型部署到车端？有哪些常见的量化方法？
- 在多传感器融合中，如何处理时间同步和空间对齐？
- 你在之前的项目中遇到过哪些挑战？如何解决的？
- 谈谈你对OCC（占据网络）的理解及其与BEV的关系
- 复习经典目标检测、BEV感知论文，尤其是近两年的顶会论文
匹配度报告
65
综合匹配度
前沿自动驾驶BEV算法实习，技术成长极佳，但薪资和WLB一般。
适合人群
该职位最适合追求技术成长、希望在自动驾驶前沿领域积累经验的求职者。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利45
成长发展90
工作生活50
使命价值75
薪资福利匹配
45较低
实习生薪资水平一般，无明确福利说明，补偿性动机满足程度较低。
薪资信号未披露 (4K-8K/月)
成长发展匹配
90较高
前沿技术栈、深度的算法研究与实践机会，发展性动机得到高度满足。
技术前沿前沿/新兴技术
技术栈BEV、DETR3D、BEVFormer、PyTorch、TensorFlow、LiDAR、模型部署
业务类型profit_center
工作生活匹配
50较低
仅现场办公，且未提及弹性工作或WLB信息，生活化动机满足有限。
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）
使命价值匹配
75中等
自动驾驶行业高速增长，社会影响力中性，意义感动机得到较好满足。
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