职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:199907620022

算法工程师-机器人感知

未披露 · 北京 / 杭州 · 阿里巴巴控股集团

主分类:机器人与自动驾驶算法研发
算法与数据
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "算法工程师-机器人感知",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "阿里巴巴控股集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里巴巴控股集团",
        "company_industry": "电子商务 / 云计算 / 人工智能",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "计算机相关专业本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.负责进行机器人场景下各类感知算法研究及落地,包括但不限于2D/3D目标检测、2D/3D语义实例分割、深度估计、姿态估计、手势识别、BEV/OCC感知、多模态感知、开集感知、VLA/Policy方案研发等任务;\n2.参与感知算法优化与部署,实现从模型训练到嵌入式平台的算法工程落地,提升实时性与鲁棒性;\n3.对学术界及业界前研算法方案的持续跟进,不断优化现有感知算法方案,结合应用场景通过创新探索拓展技术边界,促进前沿技术方案的产品转换落地。",
        "requirements_text": "1. 计算机相关专业本科及以上学历,图像处理、模式识别、计算机视觉等相关方向;具备顶级会议或期刊论文发表者优先;具备感知相关任务Benchmark或竞赛获奖经验者优先;\n2. 技能基础:\n·具备扎实的数学与算法功底,熟悉线性代数、概率论、最优化理论及机器人学基础;\n·精通C++/Python编程,熟悉PyTorch/TensorFlow等框架,熟练掌握ROS/OpenCV/PCL等工具链;\n·熟练掌握深度学习基础知识,熟悉目标检测/分割/深度估计/姿态估计/多模态感知等至少一个细分方向,并在该方向中具备深入的算法研发优化部署经验;\n3. 在机器人或自动驾驶感知相关领域有实机开发部署优化经验者优先,具备机器人竞赛或相关实习经历者优先;\n4. 逻辑清晰、自驱力强,具备良好的团队协作与沟通能力。",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "TensorFlow",
            "深度学习",
            "计算机视觉",
            "团队协作",
            "沟通能力"
        ],
        "preferred_qualifications": "具备顶级会议或期刊论文发表者优先;具备感知相关任务Benchmark或竞赛获奖经验者优先;3. 在机器人或自动驾驶感知相关领域有实机开发部署优化经验者优先,具备机器人竞赛或相关实习经历者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907620022?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907620022",
        "post_date": "2026-08-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907620022?deptCodes="
    },
    "fulltext": "算法工程师-机器人感知\n算法工程师-机器人感知\n\n基础信息\n毕业起止时间要求:2026-11-01 - 2027-10-31\n职位类别:技术类\n招聘项目:阿里巴巴2027届应届生\n工作地点:北京 / 杭州\n\n职位描述\n1.负责进行机器人场景下各类感知算法研究及落地,包括但不限于2D/3D目标检测、2D/3D语义实例分割、深度估计、姿态估计、手势识别、BEV/OCC感知、多模态感知、开集感知、VLA/Policy方案研发等任务;\n2.参与感知算法优化与部署,实现从模型训练到嵌入式平台的算法工程落地,提升实时性与鲁棒性;\n3.对学术界及业界前研算法方案的持续跟进,不断优化现有感知算法方案,结合应用场景通过创新探索拓展技术边界,促进前沿技术方案的产品转换落地。\n\n职位要求\n1. 计算机相关专业本科及以上学历,图像处理、模式识别、计算机视觉等相关方向;具备顶级会议或期刊论文发表者优先;具备感知相关任务Benchmark或竞赛获奖经验者优先;\n2. 技能基础:\n·具备扎实的数学与算法功底,熟悉线性代数、概率论、最优化理论及机器人学基础;\n·精通C++/Python编程,熟悉PyTorch/TensorFlow等框架,熟练掌握ROS/OpenCV/PCL等工具链;\n·熟练掌握深度学习基础知识,熟悉目标检测/分割/深度估计/姿态估计/多模态感知等至少一个细分方向,并在该方向中具备深入的算法研发优化部署经验;\n3. 在机器人或自动驾驶感知相关领域有实机开发部署优化经验者优先,具备机器人竞赛或相关实习经历者优先;\n4. 逻辑清晰、自驱力强,具备良好的团队协作与沟通能力。\n\n在招业务\n阿里巴巴控股集团\n1.负责进行机器人场景下各类感知算法研究及落地,包括但不限于2D/3D目标检测、2D/3D语义实例分割、深度估计、姿态估计、手势识别、BEV/OCC感知、多模态感知、开集感知、VLA/Policy方案研发等任务;\n2.参与感知算法优化与部署,实现从模型训练到嵌入式平台的算法工程落地,提升实时性与鲁棒性;\n3.对学术界及业界前研算法方案的持续跟进,不断优化现有感知算法方案,结合应用场景通过创新探索拓展技术边界,促进前沿技术方案的产品转换落地。\n1. 计算机相关专业本科及以上学历,图像处理、模式识别、计算机视觉等相关方向;具备顶级会议或期刊论文发表者优先;具备感知相关任务Benchmark或竞赛获奖经验者优先;\n2. 技能基础:\n·具备扎实的数学与算法功底,熟悉线性代数、概率论、最优化理论及机器人学基础;\n·精通C++/Python编程,熟悉PyTorch/TensorFlow等框架,熟练掌握ROS/OpenCV/PCL等工具链;\n·熟练掌握深度学习基础知识,熟悉目标检测/分割/深度估计/姿态估计/多模态感知等至少一个细分方向,并在该方向中具备深入的算法研发优化部署经验;\n3. 在机器人或自动驾驶感知相关领域有实机开发部署优化经验者优先,具备机器人竞赛或相关实习经历者优先;\n4. 逻辑清晰、自驱力强,具备良好的团队协作与沟通能力。",
    "standard_classification": {
        "std_category_code": "T013",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}