{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "SLAM算法工程师（具身/世界模型方向）-AI数据与安全",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "研发"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、设计与优化视觉SLAM/VIO/SfM算法：相机位姿估计（Camera pose），轨迹优化与全局一致性（drift reduction/loop closure）；\n2、优化多视角与时序数据的几何一致性：Trajectory smoothing、bundle adjustment；\n3、参与手部/物体位姿估计相关算法优化：多视角融合，时序稳定性提升；\n4、支持具身智能与世界模型的数据构建：提供高质量轨迹与3D结构信息，优化数据在长序列下的稳定性与一致性。",
        "requirements_text": "1、熟悉SLAM/SfM基本原理：多视几何（PnP、三角化、BA），特征法或直接法（ORB/DSO等）；\n2、有实际系统经验（至少一种）：ORB-SLAM/VINS/DSO/COLMAP等；\n3、熟悉常见优化方法：非线性优化（Gauss-Newton/LM）；\n4、熟练使用C++/Python。\n\n加分项：\n1、有以下经验之一：手部或人体位姿估计（hand pose/body pose）；\n2、熟悉以下方向：3D重建（NeRF/Gaussian Splatting），learning-based SLAM/pose estimation；\n3、有处理长视频或大规模数据经验。",
        "skills": [AI生成
            "Python",
            "C++"
        ],
        "preferred_qualifications": "加分项：",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7631491984923068725/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7631491984923068725",
        "post_date": "2026-04-22",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7631491984923068725/detail"
    },
    "fulltext": "SLAM算法工程师（具身/世界模型方向）-AI数据与安全\n职位描述\n1、设计与优化视觉SLAM/VIO/SfM算法：相机位姿估计（Camera pose），轨迹优化与全局一致性（drift reduction/loop closure）；\n2、优化多视角与时序数据的几何一致性：Trajectory smoothing、bundle adjustment；\n3、参与手部/物体位姿估计相关算法优化：多视角融合，时序稳定性提升；\n4、支持具身智能与世界模型的数据构建：提供高质量轨迹与3D结构信息，优化数据在长序列下的稳定性与一致性。\n\n职位要求\n1、熟悉SLAM/SfM基本原理：多视几何（PnP、三角化、BA），特征法或直接法（ORB/DSO等）；\n2、有实际系统经验（至少一种）：ORB-SLAM/VINS/DSO/COLMAP等；\n3、熟悉常见优化方法：非线性优化（Gauss-Newton/LM）；\n4、熟练使用C++/Python。\n\n加分项：\n1、有以下经验之一：手部或人体位姿估计（hand pose/body pose）；\n2、熟悉以下方向：3D重建（NeRF/Gaussian Splatting），learning-based SLAM/pose estimation；\n3、有处理长视频或大规模数据经验。\n1、设计与优化视觉SLAM/VIO/SfM算法：相机位姿估计（Camera pose），轨迹优化与全局一致性（drift reduction/loop closure）；\n2、优化多视角与时序数据的几何一致性：Trajectory smoothing、bundle adjustment；\n3、参与手部/物体位姿估计相关算法优化：多视角融合，时序稳定性提升；\n4、支持具身智能与世界模型的数据构建：提供高质量轨迹与3D结构信息，优化数据在长序列下的稳定性与一致性。\n1、熟悉SLAM/SfM基本原理：多视几何（PnP、三角化、BA），特征法或直接法（ORB/DSO等）；\n2、有实际系统经验（至少一种）：ORB-SLAM/VINS/DSO/COLMAP等；\n3、熟悉常见优化方法：非线性优化（Gauss-Newton/LM）；\n4、熟练使用C++/Python。\n\n加分项：\n1、有以下经验之一：手部或人体位姿估计（hand pose/body pose）；\n2、熟悉以下方向：3D重建（NeRF/Gaussian Splatting），learning-based SLAM/pose estimation；\n3、有处理长视频或大规模数据经验。",
    "standard_classification": {
        "std_category_code": "T034",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}