美团
【北斗】自动驾驶感知算法工程师
【北斗】自动驾驶感知算法工程师
发布于 大约 2 个月前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
3D Gaussian Splatting
Nerf
三维重建
世界模型
多模态大模型
深度学习
端到端自动驾驶
计算机视觉
PyTorch
AI 估算 · 35k–60k
高级算法工程师，美团大厂，北京，前沿技术方向，市场需求旺盛，薪资竞争力强。
职位详情
关于这个职位
该职位是美团无人车团队的端到端自动驾驶感知算法工程师，专注于将深度学习、多模态大模型、世界模型等技术应用于无人配送场景
你将参与从传感器数据到行为决策的端到端模型设计，推动自动驾驶系统从规则驱动向智能进化的代际跃迁
团队拥有海量真实配送数据和丰富落地场景，适合有志于前沿自动驾驶技术研究与实践的算法人才
最低要求
计算机科学、人工智能领域，具有扎实的深度学习、计算机视觉/自然语言处理基础
具有优秀的编程能力，熟悉PyTorch、Tensorflow等深度学习框架，能熟练进行模型研发和测试
具备一定的科研能力，能够承担科研探索工作和先进技术落地推进工作
工作职责
端到端自动驾驶建模：参与、设计及实现端到端的自动驾驶建模方法，搭建从传感器数据到行为决策的端到端模型
VLA/VA：将LLM/VLM/COT/RL等方法应用在端到端模型的优化和能力构建上，建设更具备泛化性、可拓展性的自动驾驶算法能力
世界模型能力建设：基于传感器仿真算法和状态预测算法，建设高质量稀缺数据生成能力和端到端算法闭环仿真能力
大规模场景重建：研究并落地基于大规模 Feedforward 框架的三维重建算法（如 VGGT，3D Gaussian Splatting等），探索其在自动驾驶场景中的工程化应用
优先资格
有训练过端到端自动驾驶模型的经验
在设计、训练、评估和部署机器学习模型（尤其是多模态大模型、生成模型等）方面有深刻的理解
在NeurIPS/ICML/ICLR/CVPR等会议或期刊上发表过论文
获得过国际或国内赛事奖项者
深入理解 VGGT / VGGT-Omega 或同类 Feedforward 3D Reconstruction 方法的原理与实现，有复现或改进者优先
深入了解 3D Gaussian Splatting、NeRF 等场景表达方式，以及其与 Feedforward 重建的结合方向
有自监督学习研究经验（如 MAE、DINO、MoCo 等预训练范式，或面向三维场景的自监督深度/位姿估计）
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与端到端自动驾驶、多模态大模型、世界模型等最热门方向，技术积累价值高
- 数据资源优势：拥有海量真实配送场景的多模态数据，为模型训练提供得天独厚的条件
- 公司平台强：美团上市大厂，资源充足，业务落地场景丰富，算法成果能快速验证
- 团队氛围：算法团队活跃包容，基础设施坚实，鼓励创新和科研探索
- 技术难度高：涉及多个前沿领域交叉，需要持续学习最新研究成果并快速工程化落地
- 工作强度大：自动驾驶业务对算法精度和安全性要求极高，可能需要高强度攻关和迭代
缺点 / 挑战
- 竞争激烈：美团作为头部企业，吸引大量优秀人才，内部晋升和绩效压力较大
- 适合对自动驾驶和人工智能技术有强烈热情，具备扎实算法基础和科研能力，能承受高强度技术挑战的求职者
角色解读
- 从算法工程师成长为自动驾驶领域专家，主导核心算法模块的研发
- 向技术Leader发展，带领团队攻克复杂技术难题，推动技术迭代
- 横向拓展至机器人、具身智能等相近领域，拥有广阔的职业选择
- 设计和实现端到端自动驾驶模型，融合多传感器数据直接输出驾驶决策
- 应用大语言模型、视觉语言模型、强化学习等方法提升模型泛化性和鲁棒性
- 构建世界模型，用于生成高质量稀缺数据和闭环仿真测试
- 研究并落地大规模三维重建算法（如VGGT、3D Gaussian Splatting），提升场景理解能力
- 扎实的深度学习和计算机视觉基础，熟悉常见网络架构和训练技巧
- 熟练使用PyTorch或TensorFlow，具备独立实现和调试模型的能力
- 具备科研能力，能阅读前沿论文并复现改进，有论文发表或竞赛经历优先
- 熟悉多模态大模型、端到端自动驾驶、世界模型或三维重建等方向之一
申请策略
- 关注美团无人车部门的技术博客或公开分享，了解团队技术方向和成果，在面试中展现热情
- 准备1-2个与岗位职责高度相关的技术方案，展示解决问题的思路和能力
- 突出端到端自动驾驶、多模态大模型、三维重建等相关项目经验，说明具体贡献和效果
- 列出发表的论文、竞赛奖项，尤其是NeurIPS/CVPR等顶会论文，这是强有力的加分项
- 强调熟练使用的深度学习框架（PyTorch/TensorFlow）和编程能力，可附上GitHub链接
- 展示对自动驾驶行业的理解，以及为何选择美团无人车业务
- 补强多模态大模型（如LLaVA、COT）和强化学习的基础，阅读相关顶会论文并尝试复现
- 学习世界模型和3D Gaussian Splatting等最新技术，动手实现小型Demo
面试指南
- STAR法则：描述项目背景、你的具体任务、采取的行动、取得的量化结果
- 对比分析法：针对技术选型问题，比较不同方案的优劣，结合场景说明你的选择
- 结构化思维：先给出总体思路，再分点阐述关键步骤和考量因素
- 请详细介绍你参与过的端到端自动驾驶或相关项目，遇到了哪些挑战，如何解决的？
- 如何将大语言模型（如LLaMA）应用到自动驾驶决策中？请给出具体思路
- 为什么在三维重建中选择使用3D Gaussian Splatting而不是NeRF？优缺点是什么？
- 请解释世界模型在自动驾驶中的角色，以及如何训练一个世界模型？
- 如何在真实场景中评估和提升端到端模型的鲁棒性？
职位点评
75
综合评分
美团无人车高级算法岗，前沿技术栈，发展空间极大，但办公强度大，需现场办公。
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。
更适合这类人
最适合追求技术成长、希望在自动驾驶前沿领域深耕，不太介意工作强度和现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活40
使命价值75
薪资福利
80较高
美团作为上市大厂，薪资福利具有竞争力，该职位为高级算法岗，薪资处于市场较高水平，但具体薪资未披露，福利从JD中未明确提及。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
95较高
职位涉及前沿技术（端到端自动驾驶、多模态大模型、世界模型等），有大量真实数据和落地场景，团队鼓励科研，成长空间极大。
技术前沿前沿/新兴技术
技术栈端到端自动驾驶、多模态大模型、世界模型、三维重建、3D Gaussian Splatting、VLA、VLM、COT、RL
业务类型profit_center
工作生活
40较低
北京办公室现场办公，自动驾驶业务对时效性和安全性要求高，可能需要一定强度的加班，但JD未明确提及WLB。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
自动驾驶是高速增长赛道，改善物流效率和安全性，具有一定社会价值，但JD中未强调使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
美团 的其他在招职位
相似职位推荐
Watch Jobs