感知算法工程师

优缺点分析

角色解读

• 技术深耕：从感知算法工程师逐步成长为领域专家，主导核心算法研发与创新
• 横向拓展：可向机器人系统集成、无人机全栈开发或AI平台架构方向延伸
• 管理方向：随着经验积累，可带领算法团队，担任技术负责人或项目经理
• 负责无人机/机器人感知系统的算法开发，包括多传感器融合、目标检测与跟踪、场景理解等核心模块
• 设计数据采集方案与仿真测试系统，开发在低光照、动态干扰等复杂环境下鲁棒的感知算法
• 探索视觉/多模态大模型在感知中的应用，负责模型训练、微调与部署，提升系统泛化能力
• 扎实的机器学习与深度学习理论基础，熟练使用PyTorch、TensorFlow等框架
• 精通C++/C/Python，掌握数据结构和算法，具备良好的工程实现能力
• 熟悉多传感器融合、目标检测跟踪、场景理解等计算机视觉算法
• 具备利用AI工具辅助开发的能力，并能评估模型在实际场景中的有效性

申请策略

• 深入了解美团无人机业务的最新进展（如第四代无人机、航线数据），在面试中展现对业务的关注
• 准备一个完整的感知算法项目案例，从问题定义、方案设计到结果分析，体现系统思考能力
• 突出多传感器融合或目标检测跟踪相关的项目经验，展示具体成果（如精度提升、落地应用）
• 强调深度学习模型的训练与部署经验，特别是PyTorch/TensorFlow的使用
• 如有无人机或机器人相关项目或竞赛经历，务必重点描述
• 补充视觉大模型（如ViT、多模态模型）的相关知识，了解模型微调和部署技术
• 熟悉仿真测试工具（如CARLA、AirSim）和数据采集方案，提升工程化能力

面试指南

• 对于项目类问题，采用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，突出个人贡献和技术难点
• 对于算法设计问题，先分析问题本质，提出多种方案并比较优劣，最后推荐一种并说明理由
• 请详细描述你做过的一个多传感器融合项目，包括传感器类型、融合方法、挑战和结果
• 如何设计一个在低光照条件下鲁棒的目标检测算法？
• 你如何评估一个模型在真实场景中的泛化能力？有哪些常用的方法和指标？
• 请解释Transformer在视觉任务中的原理，并举例说明如何用其改进目标检测
• 复习计算机视觉核心算法（如YOLO、Faster R-CNN、BEV感知）和深度学习基础
• 练习手撕代码：C++或Python实现常见数据结构和算法（如排序、树、图）