薪酬概览
平均月薪
¥27200
中位数 ¥27000 ｜ 区间 ¥19200 - ¥35300
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
66.7% 人群薪酬落在 15-30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
6月新增岗位
5
对比上月：岗位减少0
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 5 | 71.4% |
| 5-10年 | 2 | 28.6% |
热招职位
1. 研发、跟踪、改进前沿多传感器测算法，实现包括但不限于视觉和稀疏深度的目标检测，深度估计，语义感知等任务。
2. 负责算法在实际产品中的落地和优化，不限于优化深度学习模型结构，快速实现模型量化、压缩与部署加速；
3. 负责搭建完整的数据闭环Pipeline和数据处理/数据测评系统，保证训练稳定和交付可靠。
- 负责根据需求来完成仿真软件集成、开发，维护并拓展仿真平台；
- 负责搭建完整的仿真流程，按照需求快速生成仿真场景，实现算法迭代；
- 通过仿真研究和应用3DGS，SLAM等技术，探索自动驾驶/机器人等多种应用场景。
1. 前沿3D/4D视觉算法研发：负责研发、跟踪并改进以VGGT、DA3、V-DPM、D4RT等为代表的最新3D&4D基础模型，探索其在动态场景理解与建模中的应用。
2. Feed-Forward 3D/4DGS算法研发：主导前馈式3D高斯泼溅（Feed-Forward 3DGS）与4D高斯泼溅（4DGS）算法的研发。致力于实现从单张或多张图像到可渲染3D场景的快速、泛化重建，并探索其在动态场景时空建模与实时渲染中的应用，突破传统逐场景优化的效率瓶颈。
3. 3D/4D重建算法重构：针对具体业务场景，利用前沿基础几何模型优化SLAM与SfM等传统算法流程，解决大规模、高保真的3D/4D重建中的效率与精度问题。
1. 参与世界模型（World Model）核心算法研发，探索基于Diffusion的时空序列建模，优化场景一致性和运动连贯性。
2. 负责视频/图像生成模型的训练优化，包括采样加速、条件控制、长序列生成等；
3. 跟踪前沿论文，复现并改进核心算法；
4. 与工程团队协作，推动模型在业务场景的落地应用。
1.负责机器人关节电机的控制软件开发和优化。
2.协助电机工程师优化无刷电机性能指标。
3.协助机械、电子工程师提高硬件稳定性和产品性能。
我们诚邀深耕计算机视觉前沿算法领域、基础功底扎实、具备独立科研创新能力的算法工程师加入以世界模型三维重建为核心技术方向的算法团队。你将深度参与底层算法设计、基础视觉模型研发与技术创新工作，主导 / 全程参与需求定义、模型架构设计、算法工程实现、落地验证与迭代优化全链路研究工作。立足前沿技术解决高保真、快速重建的技术瓶颈与业务核心痛点，持续驱动产品技术体验与业务效能升级，与团队共同攻坚前沿技术难题，打造业内领先、具备学术竞争力与工程落地能力的技术解决方案。
负责触控算法的研究与设计开发，解决触控屏幕在多种场景下的精度、响应速度及稳定性问题，挖掘突破机会点；
解决用户体验痛点问题，参与触控产品的算法设计、性能分析及改进，提升用户体验；
负责触控相关新技术的调研和应用，推动技术创新；
与硬件、软件团队合作，完成触控算法的集成与调试工作。
1、对接客户功能需求；
2、前角功能场景的路径规划和车辆控制算法开发；
3、城市十字路口复杂场景路况应对，特别针对无保护左转右转等场景；
4、ENCAP2026功能场景规控算法开发。
1、27届-28届毕业同学，计算机/自动化/机器人等相关专业，硕博优先；
2、对物理AI有强烈兴趣，愿意深入解决RL落地的真实难题；
3、扎实的强化学习基础，熟悉PPO、GRPO、SAC等算法，有MuJoCo、Isaac Gym、CARLA等仿真平台经验；
4、有基于Autoregression、diffusion、flow matching 生成式模型算法经验者优先；
5、熟悉大模型微调（LoRA, DPO, SFT），有VLA/VLM模型训练实际经验者优先；
6、熟练掌握Python/C++，具备算法工程化与调试能力；
7、有自动驾驶公司、机器人公司等RL算法实习或全职经验优先。
1. 计算机科学、人工智能、机器人、电子工程、自动化等相关专业；
2. 具备扎实的机器学习理论基础，熟悉监督学习、模仿学习、强化学习等常见算法，以及Transformer、视觉语言模型和VLA模型等相关技术；
3. 熟悉PyTorch、TensorFlow等至少一种深度学习框架，具备良好的工程和编程能力，熟练掌握Python，了解C++；
4. 具备良好的数学基础，包括线性代数、概率论、统计学及最优化方法等；
5. 对机器人学习、具身智能和多模态大模型具有浓厚兴趣，具备较强的学习能力、创新意识及问题分析能力；
6. 在机器学习、计算机视觉、自然语言处理、机器人或具身智能相关领域的顶级期刊或会议发表过论文者优先；
7. 具备良好的团队协作和沟通能力，能够积极推动研究成果的工程验证与应用落地。