美团
校招【北斗】无人机感知算法工程师
北京/深圳 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 【岗位要求】
- 1.硕士及以上学历，计算机视觉、机器人学、自动化、电子工程等相关专业
- 2.扎实的深度学习基础，熟悉Transformer/CNN架构及视觉感知模型
- 3.熟练掌握PyTorch，具备独立实现、训练和调优模型的能力
- 4.在以下方向至少有一项深入的研究或项目经验：3D目标检测/Occupancy Prediction、视觉SLAM/VIO/多传感器融合、端到端自主导航/模仿学习/强化学习、深度估计/光流/运动预测
- 5.C++/Python编程能力扎实
- 6.熟练使用 AI Coding 工具
- 加分项：
- 1.顶会论文（CVPR/ICCV/NeurIPS/ICRA/IROS/RAL等）
- 2.无人机/机器人系统实际开发经验（ROS/PX4等）
- 3.模型部署经验（TensorRT/ONNX/NPU适配）
- 4.了解VLA/世界模型/端到端自动驾驶等前沿方向
- 【岗位吸引力】
- 1 .你的算法每天都在真实城市上空飞行——100万+架次验证，不是仿真实验室的paper work
- 2. 在无人机上落地前沿的端到端/BEV/VLA技术，做"空中自动驾驶"的定义者
- 3. 低空经济万亿赛道的早期参与者，北斗计划提供顶级导师、充足算力
- 4. 鼓励发表论文，技术探索氛围开放，你的想法可以直接推动产品迭代
岗位描述
【岗位职责】
为了更好地提升城市即时配送的效率与体验，2017年，美团启动了无人机配送服务的探索，通过科技创新推动履约工具变革，加快建设空地协同的本地即时配送网络。目前，美团已初步完成了自主飞行无人机、智能化调度系统及高效率运营体系的研发建设工作，由此打造了一个服务于多场景、多天候的城市低空物流解决方案。
我们正在推动无人机感知系统从模块化架构向端到端智能架构的代际跃迁——让无人机从"按规则飞"进化为"像人一样看懂世界、自主决策"。你将参与的核心工作：
- 1.设计下一代无人机感知系统架构，推进端到端感知-规划一体化技术路线的落地验证
- 2.研发多传感器（双目视觉/毫米波雷达/激光雷达/IMU）深度融合算法，解决低空复杂场景下的全天候环境感知问题
- 3.开发基于BEV/Occupancy Network的3D场景理解算法，实现城市低空环境中的精准避障与动态物体预测
- 4.探索将VLA（Vision-Language-Action）/ 世界模型等前沿范式应用于无人机自主飞行决策
- 5.针对边缘算力平台进行模型轻量化与实时推理优化，确保算法在真机上以>30FPS稳定运行
- 6.参与感知数据闭环体系建设：自动标注、长尾场景挖掘、仿真-实飞域自适应
【任职要求】
【岗位要求】
- 1.硕士及以上学历，计算机视觉、机器人学、自动化、电子工程等相关专业
- 2.扎实的深度学习基础，熟悉Transformer/CNN架构及视觉感知模型
- 3.熟练掌握PyTorch，具备独立实现、训练和调优模型的能力
- 4.在以下方向至少有一项深入的研究或项目经验：3D目标检测/Occupancy Prediction、视觉SLAM/VIO/多传感器融合、端到端自主导航/模仿学习/强化学习、深度估计/光流/运动预测
- 5.C++/Python编程能力扎实
- 6.熟练使用 AI Coding 工具
加分项：
- 1.顶会论文（CVPR/ICCV/NeurIPS/ICRA/IROS/RAL等）
- 2.无人机/机器人系统实际开发经验（ROS/PX4等）
- 3.模型部署经验（TensorRT/ONNX/NPU适配）
- 4.了解VLA/世界模型/端到端自动驾驶等前沿方向
【岗位吸引力】
1 .你的算法每天都在真实城市上空飞行——100万+架次验证，不是仿真实验室的paper work
- 2. 在无人机上落地前沿的端到端/BEV/VLA技术，做"空中自动驾驶"的定义者
- 3. 低空经济万亿赛道的早期参与者，北斗计划提供顶级导师、充足算力
- 4. 鼓励发表论文，技术探索氛围开放，你的想法可以直接推动产品迭代
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。