蔚来
实习实习-感知算法开发工程师
合肥 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 【任职要求】
- 硕士及以上学历，计算机、自动化、机器人、人工智能、电子工程等相关专业
- 熟练掌握以下至少一类技术：
- 目标检测 / 分割 / 姿态估计（YOLO, Mask R-CNN, PoseNet 等）
- 三维点云处理与建图（PCL、Open3D、OctoMap等）
- 视觉SLAM（ORB-SLAM, VINS, OpenVSLAM等）
- 熟悉常用的深度学习框架（如 PyTorch / TensorFlow），具备一定的模型训练与调优经验
- 掌握 ROS / ROS2 开发、TF 坐标系管理、RViz 可视化工具
- 熟悉常见相机标定、多传感器时间同步、坐标转换等
- 有 C++/Python 编程经验，具备良好的工程实现能力和代码规范意识
- 具备良好的沟通能力与团队协作意识，能主动推动项目落地。
- 【加分项】
- 有 Jetson / Orin / FPGA 等边缘平台部署经验
- 有辅助驾驶、机器人实习经历者优先
- 有CVPR等视觉方面顶会论文发表、开源项目贡献者优先。
岗位描述
- 1.负责机器人感知模块的算法设计与实现，包括但不限于：
视觉感知（目标检测、图像分割、姿态估计、6D位姿估计）
点云处理（聚类、语义/实例分割、障碍物检测等）
多视图3D重建与稠密地图构建
- 2.结合双目/RGB-D/单目相机，进行深度感知与三维信息提取；
3获取多传感器数据，camera、Lidar、IMU等进行多传感器融合，实现协同感知。
- 4.参与构建数据采集、标注、训练与评估全流程系统；
- 5.与硬件算法加速工程师一起推动感知算法的工程落地与部署等；
- 6.配合机器人控制、规划、抓取等模块，提供稳定的视觉感知输出。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。