美团
校招【北斗】无人机地图算法工程师
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，计算机科学、电子工程、自动化、测绘遥感、图形学等相关专业；
- 2.扎实的数学基础，精通Python/C++，熟悉PyTorch/JAX等深度学习框架；
- 3.在以下一个或多个方向有深入研究或工程经验：
- a.3DGS / NeRF / 神经渲染：熟悉3DGS原理及变体，有大规模场景重建与实时渲染优化经验；
- b.世界模型 / 视频生成：了解UniSim、GAIA-1、DriveDreamer、Sora等，有场景级生成模型训练经验；
- c.生成式AI：熟悉Diffusion Model、ControlNet、3D生成等，有可控生成与场景编辑经验；
- d.熟练使用AI工具提升研发效率：能将AI编程助手、大语言模型等工具融入日常开发与研究流程，具备AI辅助编程、方案设计、文献调研的实践经验；
- 加分项：
- 1.顶会论文（CVPR/ECCV/ICCV/NeurIPS/SIGGRAPH等）；
- 2.城市级户外场景重建工程落地经验；
- 3.无人机系统或自动驾驶仿真平台经验；
- 4.CUDA编程、GPU渲染优化经验；
- 5.对技术有热情，具备快速学习能力和较强自驱力，善于将前沿技术转化为实际产品。
- 【岗位吸引力】
- 1 .技术前沿，行业稀缺：你将站在3DGS、世界模型、生成式AI与低空经济的交叉前沿，这是当下学术界和工业界最热门的方向之一，研究成果可直接对标CVPR/SIGGRAPH级别工作；
- 2.真实场景，端到端闭环：拥有大规模、多样化的真实飞行数据（城市、园区、复杂地形），数据资产在行业内极具稀缺性；从数据采集→场景重建→AI生成→仿真验证→实飞部署的完整闭环，而非孤立的算法模块。
- 3.AI-Native的工作方式：团队全面拥抱AI工具，鼓励用最先进的AI手段提升研发效率，不设条条框框；充足的GPU算力资源支持大模型训练与大规模渲染实验。
- 4.成长空间与影响力：技术深度与业务广度兼具——既能深耕前沿算法，也能看到技术如何一步步变成产品、改变真实世界；团队技术氛围浓厚，扁平开放，鼓励技术分享与创新探索。
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。
该岗位将负责无人机实景仿真系统的核心算法研发与落地。以3D Gaussian Splatting（3DGS）、神经场景重建为基础，融合世界模型与生成式AI能力，打造面向无人机低空自主飞行场景的高保真数字孪生环境。系统接入无人机多视角航拍、地面激光雷达/相机采集、卫星遥感影像等多源异构数据，通过大规模场景重建与AI驱动的可控生成，输出覆盖城市级区域的真实感仿真场景，支撑感知、规划、决策等全链路算法的闭环训练与验证，加速无人机算法从仿真到实飞的迭代效率。
- 1.实景三维重建：基于3DGS及NeRF等前沿技术，利用多源异构数据（无人机多视角航拍、地面激光雷达/相机、卫星遥感影像）进行城市级大规模室外场景的高精度三维重建，实现照片级真实感的新视角合成与实时渲染；
- 2.世界模型构建：研发基于世界模型（World Model）的场景动态建模与时空推演能力，包括光照/天气/季节变化模拟、动态物体行为预测、物理交互仿真等，使仿真场景具备时序连贯性与物理合理性；
- 3.生成式场景合成：运用Diffusion Model、Video Generation Model等生成式AI技术，实现仿真场景的可控编辑与扩展生成，包括场景风格迁移（季节/天气/光照/时段）、稀疏观测区域AI补全、虚拟目标自动化插入、极端长尾场景（corner case）自动生成等；
- 4.仿真系统工程落地：参与实景仿真系统整体架构设计，推动算法从研究原型到生产级系统的转化，保障大规模场景的渲染效率与质量平衡。
【任职要求】
【岗位要求】
- 1.硕士及以上学历，计算机科学、电子工程、自动化、测绘遥感、图形学等相关专业；
- 2.扎实的数学基础，精通Python/C++，熟悉PyTorch/JAX等深度学习框架；
- 3.在以下一个或多个方向有深入研究或工程经验：
a.3DGS / NeRF / 神经渲染：熟悉3DGS原理及变体，有大规模场景重建与实时渲染优化经验；
b.世界模型 / 视频生成：了解UniSim、GAIA-1、DriveDreamer、Sora等，有场景级生成模型训练经验；
c.生成式AI：熟悉Diffusion Model、ControlNet、3D生成等，有可控生成与场景编辑经验；
d.熟练使用AI工具提升研发效率：能将AI编程助手、大语言模型等工具融入日常开发与研究流程，具备AI辅助编程、方案设计、文献调研的实践经验；
加分项：
- 1.顶会论文（CVPR/ECCV/ICCV/NeurIPS/SIGGRAPH等）；
- 2.城市级户外场景重建工程落地经验；
- 3.无人机系统或自动驾驶仿真平台经验；
- 4.CUDA编程、GPU渲染优化经验；
- 5.对技术有热情，具备快速学习能力和较强自驱力，善于将前沿技术转化为实际产品。
【岗位吸引力】
1 .技术前沿，行业稀缺：你将站在3DGS、世界模型、生成式AI与低空经济的交叉前沿，这是当下学术界和工业界最热门的方向之一，研究成果可直接对标CVPR/SIGGRAPH级别工作；
- 2.真实场景，端到端闭环：拥有大规模、多样化的真实飞行数据（城市、园区、复杂地形），数据资产在行业内极具稀缺性；从数据采集→场景重建→AI生成→仿真验证→实飞部署的完整闭环，而非孤立的算法模块。
- 3.AI-Native的工作方式：团队全面拥抱AI工具，鼓励用最先进的AI手段提升研发效率，不设条条框框；充足的GPU算力资源支持大模型训练与大规模渲染实验。
- 4.成长空间与影响力：技术深度与业务广度兼具——既能深耕前沿算法，也能看到技术如何一步步变成产品、改变真实世界；团队技术氛围浓厚，扁平开放，鼓励技术分享与创新探索。
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。