深圳感知融合算法工程师
感知融合算法工程师是一种专注于开发和改进感知系统的专业人士。他们负责设计、开发和优化用于自动驾驶汽车、智能机器人和其他自主系统的感知技术。这包括使用摄像头、激光雷达、雷达和其他传感器来收集环境数据，并将这些数据整合在一起进行分析和决策。感知融合算法工程师需要具备深厚的计算机视觉、机器学习和信号处理方面的技术知识，并且要能够解决复杂的数据融合和感知问题。他们也需要具备良好的编程能力，以及对新技术和算法的实践经验。此外，他们还需要与团队合作，与其他工程师和科学家合作，共同推进自动驾驶和智能系统领域的创新。
薪酬概览
平均月薪
¥31700
中位数 ¥0 ｜ 区间 ¥25900 - ¥37600
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
57.1% 人群薪酬落在 >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
11月新增岗位
8
对比上月：岗位减少4
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 |
|---|---|---|
| 1-3年 | 4 | 50% |
| 5-10年 | 4 | 50% |
热招职位
1. 负责语音合成（Text-to-Speech, TTS）模型训练与线上优化。
2. 深入研究并应用深度学习技术，提升合成语音的自然度、表现力和稳定性，支持多音色、多语种、情感语音等高级功能。
3. 参与语音前端处理模块开发，包括文本归一化、分词、音素预测、韵律预测等任务。
4. 与语音识别、语音增强、产品等团队协作，推动TTS技术在实际场景中的落地（如智能助手、有声阅读、导航播报等）。
5. 跟踪学术界和工业界最新进展，持续优化模型性能，降低推理延迟，提升合成效率。
6. 编写高质量的技术文档，参与模型版本管理和工程化部署（如ONNX、TensorRT、Triton等）。
1、计算机、人工智能、自动化等相关专业硕士及以上学历；
2、具备扎实的深度学习基础，熟悉Transformer、BERT、ViT、CLIP等主流视觉-语言模型架构；
3、有大语言模型（LLM）的训练/微调/推理优化经验，熟悉其在下游任务中的应用；
4、熟练使用Pytorch深度学习框架，具备良好的工程能力和代码实现能力；
5、良好的团队协作与沟通能力，具备快速学习和解决问题的能力。
加分项：
1、有参与实际LLM预训练或后训练（SFT、DPO/RLHF）的相关项目经验；
2、有使用大语言模型进行数据合成（Data synthesis）的相关经验；
3、对大语言模型的预训练/后训练数据集有一定了解，有处理Trillion级别数据集的相关经验；
4、熟悉开源大模型生态（如Qwen, Llama等），对大模型的模型结构优化（如linear attention，Mixture-of-Expert等）有一定了解。
【任职资格】
1、自动化、计算机、人工智能、机器人等相关专业硕士及以上学历；
2、熟悉机器人动力学、运动学、最优控制，有扎实的数学基础；
3、精通Linux和Docker开发环境，熟悉C++和Python，掌握git工作流，具有良好的编程习惯；
4、谦逊开放、思维活跃，具有团队合作意识；
5、学习能力强，可以独立探索与学习先进的算法。
【加分项】
1、熟悉主流强化学习、模仿学习等算法；
2、熟悉Isaac Gym/Isaac Lab仿真，能够搭建复杂的仿真环境；
3、有灵巧手触觉传感器应用经验；
4、有sim2real实战经验；
5、有多关节机器人控制经验；
6、在顶级会议（如CVRP/ICCV/ICRA/IROS/NeurlPS等）或刊物（如IJRR/TRO/TPAMI等）发表过论文优先。
【我们提供】
技术前沿机会：加入行业领先的人型机器人研发团队，探索具身智能算法最核心技术；
成长平台：与顶尖专家合作，参与全球范围内最具挑战性的机器人项目；
论文发表：参与核心研发项目，成果有机会发表顶刊顶会；
优厚回报：提供极具竞争力的薪资福利，以及清晰的职业发展路径和持续的成长支持。
1. 自动化、计算机、人工智能、机器人等相关专业硕士及以上学历；
2. 熟悉机器人动力学、运动学、最优控制，有扎实的数学基础；
3. 精通Linux和Docker开发环境，熟悉C++和Python，掌握git工作流，具有良好的编程习惯；
4. 谦逊开放、思维活跃，具有团队合作意识；
5. 学习能力强，可以独立探索与学习先进的算法；
【加分项】
1. 熟悉主流强化学习、模仿学习等算法；
2. 熟悉Isaac Gym/Isaac Lab仿真，能够搭建复杂的仿真环境；
3. 有灵巧手触觉传感器应用经验；
4. 有sim2real实战经验；
5. 有多关节机器人控制经验；
6. 在顶级会议（如CVRP/ICCV/ICRA/IROS/NeurlPS等）或刊物（如IJRR/TRO/TPAMI等）发表过论文优先。
【我们提供】
技术前沿机会：加入行业领先的人型机器人研发团队，探索具身智能算法最核心技术；
成长平台：与顶尖专家合作，参与全球范围内最具挑战性的机器人项目；
论文发表：参与核心研发项目，成果有机会发表顶刊顶会；
优厚回报：提供极具竞争力的薪资福利，以及清晰的职业发展路径和持续的成长支持。
【关于我们】
小鹏机器人中心致力于研发先进的人形机器人技术，包括机器人的行走、操作、智能导航，以及在大语言模型支持下的人机交互等。我们的软硬件团队覆盖深圳、上海、广州、北京和北美，组成了一支世界一流的跨领域团队。作为本团队的一员，你将成为连接人工智能与物理世界的桥梁，与其他领域的工程师共同解决前沿的科研和工程难题，并在机器人技术的发展中留下自己的印记。
1、较强的算法实现能力,熟悉深度学习平台如tensorflow,pytorch等;
2、对前沿的模型相关研究掌握清楚,熟悉Diffusion,Transformer,DiT等生成模型框架;
3、有大模型(视频,3D/4D,多模态)训练实战经验;
4、具有应用大规模神经网络解决相关实际问题的实践经验,能够针对适当的数据和模型的表现,选择恰当的调参、训练任务选择、训练数据增强、目标函数变化等策略来确保超大型模型的训练成功率,并且能够解释策略背后的直觉来源并用严格的数据验证自己的假设。
1.营销 Agent 架构设计与实现 基于 LLM 构建具备自主规划（Planning）能力的 Agent 系统。针对营销策略拆解、创意生成、广告投放优化等环节，设计并实现 ReAct、CoT (Chain of Thought)、ToT (Tree of Thoughts) 等推理架构。
2.多模态工具链集成 (Tool/Action Use) 研发高效的 Function Calling 与 API 编排机制，使 Agent 能够精准驱动视觉生成引擎、投放平台 API 及企业内部数据库，实现从内容生产到自动化分发的无缝衔接。
3.记忆与知识管理系统 (Memory & RAG) 构建面向营销场景的长期记忆机制与高性能 RAG (Retrieval-Augmented Generation) 系统。整合行业知识库、历史成交案例、品牌调性约束，确保 Agent 在长周期线索跟进中的上下文一致性与专业度。
4.业务闭环驱动的强化学习与对齐 利用业务端产生的真实转化数据（线索质量、成交率），优化 Agent 的决策逻辑，使 Agent 的推荐策略与生成内容向高转化率目标演进。
1.负责计算机视觉和多模态学习领域的算法研发工作，研发下属课题中的一项或多项，包括不限于：多模态大模型、数字人、图像生成、视频生成算法等
2.跟进行业前沿AI、应用研究（如多模态实时交互、创作智能体、多智能体协同等等），制定垂直场景解决方案
3.与业务、产品深度配合，推动研发的算法模型在实际场景应用领域的性能优化和落地
1.多模态算法研发：负责保险核保核赔场景下多模态大模型/Agent（如医疗影像、体检报告、病历文本等）的算法研发，实现跨模态信息的精准对齐、融合与推理，提升核保核赔决策的准确率与可解释性。
2. 智能体（Agent）构建：设计并开发面向核保流程的AI智能体，构建包含任务规划、工具调用、多轮对话等核心能力的Multi-Agent协作模式，推动核保流程的自动化与智能化。
3.知识库与RAG优化：构建并优化保险条款、医学指南等领域知识库，结合检索增强生成（RAG）技术，解决大模型在复杂核保规则下的幻觉问题，提升专业场景下的推理准确性。
4.模型微调与部署：负责多模态基座模型的SFT（监督微调）与RLHF（人类反馈强化学习），并主导模型在核保生产环境中的工程化落地，包括推理加速、显存优化及高并发服务部署。
5.数据闭环建设：设计并搭建自动化数据处理流水线，负责核保相关多模态数据的清洗、结构化标注与质量评估，构建高质量领域数据集以支持模型持续迭代。
6.前沿技术探索：跟踪大模型与多模态领域的最新学术进展（如MoE、Long Context），探索其在保险反欺诈、精准定价及动态风险评估中的应用
1、负责手机端与云端 AIGC 影像算法研发，包括人像生成、图像修复、人像编辑、视频生成、文生图 / 图生图等核心能力的算法设计、实现与优化（任一方向）。
2、负责扩散模型、MMDiT、流模型（Flow Matching / Rectified Flow）、单步生成模型等前沿生成式模型的研发、微调、蒸馏与推理加速。
3、负责 AIGC 基础模型的后训练体系建设，包括 SFT、DPO、GRPO 等强化学习方案设计与落地，构建大规模指令微调数据与奖励模型。
4、针对弱光、逆光、中低端机型、海外用户习惯等复杂场景，设计稳健高效的人像处理、图像编辑与视频生成方案。
5、参与构建手机影像 AIGC 完整技术体系，包括数据 pipeline、模型评价体系、端云协同架构、训练与部署流程建设与优化。
6、跟踪业界前沿技术，推动图像 / 视频生成、编辑、增强等创新能力在手机影像产品中稳定、高效、差异化落地。
必备条件：
扎实的机器学习/深度学习基础，熟练掌握Python及PyTorch/TensorFlow框架
熟悉Linux开发环境，具备良好的工程代码能力与问题调试能力
具备良好的英文文献阅读能力，能快速理解并复现前沿算法
优先条件：
熟悉3D视觉与重建技术，如点云处理、NeRF、3DGS、COLMAP等
掌握人体参数化模型，如SMPL/SMPL-X、动作捕捉、动作生成等
有机器人真机开发经验、开源项目贡献或顶会论文发表经历
【我们提供】
充足的算力资源
丰富的机器人本体
有竞争力的实习津贴与转正机会
1、 自动化、计算机相关专业研究生及以上学历，具备运动控制、机器人操作等领域等相关背景；
2、熟悉 Linux 开发环境，熟练使用 C++ 或 Python 进行工程实现，具备良好的代码实现能力；
3、 谦逊开放、思维活跃，具有持续学习能力和团队合作意识。
【加分项】
1、具有人形机器人或多关节机器人（机械臂/双臂/移动操作平台等）控制、调参及真机闭环经验；
2、拥有基本机器学习（有监督学习，强化学习等）背景；
3、能够熟练使用英文进行写作和交流。