主分类：机器人与自动驾驶算法研发
辅助：搜索推荐与业务决策算法研发（仅展示）
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": "无人机规划调度算法工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "深圳市",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 核心算法研发（三个方向）：\n（1）负责无人机自主决策规划算法研发，解决数据驱动/端到端规划的挑战性问题，探索云机AI协同，推动自主飞行具身智能化\n（2）负责无人机航迹规划与低空交通管理（UTM），解决多机协同、避障、四维轨迹优化及突发状况下的实时重规划问题\n（3）负责无人机大规模配送场景下的运筹优化与时空调度算法设计，持续提升履约效率，降低单位配送成本。\n2. AI & 智能体领域应用：\n（1）负责大模型与 Agent 架构在规划调度中的应用，构建基于 LLM/Agent 的复杂场景决策框架、端到端任务规划与异常处理机制。\n（2）负责领域数据集建设与模型微调，探索结合领域知识的混合推理机制，提升复杂调度逻辑下的泛化与鲁棒性。\n（3）探索模仿学习与强化学习在轨迹生成、端到端决策及 Sim2Real 迁移中的应用，解决传统优化方法在大规模动态环境下的算力 瓶颈。\n3. AI 赋能研发工程化：\n提炼并构建 AI-First 的算法研发全流程，熟练运用 LLM Agent、AI Code-Gen、智能数据仿真等工具，实现从问题建模、仿真验证到上线部署的高效闭环。\n\n注：工作地点为北京或深圳， 以本JD描述为准。",
"requirements_text": "1、基本学历与专业：\n硕士及以上学历，计算机、自动化、机器人、运筹学、工业工程、人工智能等相关专业。\n2、工程与编程基础：\n（1）具备扎实的计算机科学基础，精通数据结构与算法，熟练掌握 C++ 与 Python，具有良好的代码规范与性能调优能力。\n（2）熟悉至少一种主流深度学习或强化学习框架，熟悉仿真平台（如 AirSim、Gazebo、Isaac Sim 或自定义离散事件仿真）者优先。\n3、核心领域能力（满足以下至少方向之一）：\n方向 A：AI & 深度决策（AI & RL/Agent）\n（1）熟悉模仿学习（DAgger, GAIL）、强化学习（PPO, SAC, Offline RL）及其在运动规划/行为决策中的应用，了解 Sim2Real 迁移与泛化问题。\n（2）深入理解大语言模型（LLM）微调（LoRA/SFT）、Agent 工具调用（Function Calling/ReAct）与 Multi-Agent 系统设计；\n方向 B：运动规划与控制\n（1）深入理解图搜索（A*, D*, Jump Point Search）、采样算法（RRT*, PRM）及连续轨迹优化（B-spline, Polynomial Optimization, MPC）；\n（2）熟悉多机协同规划（MAPF）与时空碰撞检测（SDF, OcTree）等典型方法\n方向 C：运筹优化\n（1）深入理解大规模组合优化问题，精通 MIP/LP 数学规划建模，熟练使用 Commercial Solvers（Gurobi, CPLEX, OR-Tools）；\n（2）精通元启发式算法（ALNS, Tabu Search, Genetic Algorithm）与分解算法（Column Generation, Benders Decomposition），有实战大规模 VRPTW/PDP 经验。\n4、AI 工具效能：\n熟练运用 AI 辅助开发工具进行代码生成、重构、单元测试及算法调优，具备将 AI 工具融入每日 Workflow 的习惯。\n5、软素质：\n（1）具备极强的问题定义能力与数学建模抽象能力；\n（2）逻辑清晰，自我驱动，对低空经济/无人机领域保持强烈的热情与好奇心。",
"skills": [AI生成
"Python",
"C++",
"React",
"深度学习",
"强化学习",
"数据结构",
"性能调优",
"建模",
"大语言模型"
],
"preferred_qualifications": "（2）熟悉至少一种主流深度学习或强化学习框架，熟悉仿真平台（如 AirSim、Gazebo、Isaac Sim 或自定义离散事件仿真）者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4695102432&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4695102432",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4695102432&jobShareType=1"
},
"fulltext": "无人机规划调度算法工程师\n无人机规划调度算法工程师\n\n基础信息\n工作地点：深圳市\n职位类别：技术类\n职位族群：算法\n更新时间：2026-08-17\n\n岗位职责\n1. 核心算法研发（三个方向）：\n（1）负责无人机自主决策规划算法研发，解决数据驱动/端到端规划的挑战性问题，探索云机AI协同，推动自主飞行具身智能化\n（2）负责无人机航迹规划与低空交通管理（UTM），解决多机协同、避障、四维轨迹优化及突发状况下的实时重规划问题\n（3）负责无人机大规模配送场景下的运筹优化与时空调度算法设计，持续提升履约效率，降低单位配送成本。\n2. AI & 智能体领域应用：\n（1）负责大模型与 Agent 架构在规划调度中的应用，构建基于 LLM/Agent 的复杂场景决策框架、端到端任务规划与异常处理机制。\n（2）负责领域数据集建设与模型微调，探索结合领域知识的混合推理机制，提升复杂调度逻辑下的泛化与鲁棒性。\n（3）探索模仿学习与强化学习在轨迹生成、端到端决策及 Sim2Real 迁移中的应用，解决传统优化方法在大规模动态环境下的算力 瓶颈。\n3. AI 赋能研发工程化：\n提炼并构建 AI-First 的算法研发全流程，熟练运用 LLM Agent、AI Code-Gen、智能数据仿真等工具，实现从问题建模、仿真验证到上线部署的高效闭环。\n\n注：工作地点为北京或深圳， 以本JD描述为准。\n\n岗位基本要求\n1、基本学历与专业：\n硕士及以上学历，计算机、自动化、机器人、运筹学、工业工程、人工智能等相关专业。\n2、工程与编程基础：\n（1）具备扎实的计算机科学基础，精通数据结构与算法，熟练掌握 C++ 与 Python，具有良好的代码规范与性能调优能力。\n（2）熟悉至少一种主流深度学习或强化学习框架，熟悉仿真平台（如 AirSim、Gazebo、Isaac Sim 或自定义离散事件仿真）者优先。\n3、核心领域能力（满足以下至少方向之一）：\n方向 A：AI & 深度决策（AI & RL/Agent）\n（1）熟悉模仿学习（DAgger, GAIL）、强化学习（PPO, SAC, Offline RL）及其在运动规划/行为决策中的应用，了解 Sim2Real 迁移与泛化问题。\n（2）深入理解大语言模型（LLM）微调（LoRA/SFT）、Agent 工具调用（Function Calling/ReAct）与 Multi-Agent 系统设计；\n方向 B：运动规划与控制\n（1）深入理解图搜索（A*, D*, Jump Point Search）、采样算法（RRT*, PRM）及连续轨迹优化（B-spline, Polynomial Optimization, MPC）；\n（2）熟悉多机协同规划（MAPF）与时空碰撞检测（SDF, OcTree）等典型方法\n方向 C：运筹优化\n（1）深入理解大规模组合优化问题，精通 MIP/LP 数学规划建模，熟练使用 Commercial Solvers（Gurobi, CPLEX, OR-Tools）；\n（2）精通元启发式算法（ALNS, Tabu Search, Genetic Algorithm）与分解算法（Column Generation, Benders Decomposition），有实战大规模 VRPTW/PDP 经验。\n4、AI 工具效能：\n熟练运用 AI 辅助开发工具进行代码生成、重构、单元测试及算法调优，具备将 AI 工具融入每日 Workflow 的习惯。\n5、软素质：\n（1）具备极强的问题定义能力与数学建模抽象能力；\n（2）逻辑清晰，自我驱动，对低空经济/无人机领域保持强烈的热情与好奇心。\n1. 核心算法研发（三个方向）：\n（1）负责无人机自主决策规划算法研发，解决数据驱动/端到端规划的挑战性问题，探索云机AI协同，推动自主飞行具身智能化\n（2）负责无人机航迹规划与低空交通管理（UTM），解决多机协同、避障、四维轨迹优化及突发状况下的实时重规划问题\n（3）负责无人机大规模配送场景下的运筹优化与时空调度算法设计，持续提升履约效率，降低单位配送成本。\n2. AI & 智能体领域应用：\n（1）负责大模型与 Agent 架构在规划调度中的应用，构建基于 LLM/Agent 的复杂场景决策框架、端到端任务规划与异常处理机制。\n（2）负责领域数据集建设与模型微调，探索结合领域知识的混合推理机制，提升复杂调度逻辑下的泛化与鲁棒性。\n（3）探索模仿学习与强化学习在轨迹生成、端到端决策及 Sim2Real 迁移中的应用，解决传统优化方法在大规模动态环境下的算力 瓶颈。\n3. AI 赋能研发工程化：\n提炼并构建 AI-First 的算法研发全流程，熟练运用 LLM Agent、AI Code-Gen、智能数据仿真等工具，实现从问题建模、仿真验证到上线部署的高效闭环。\n\n注：工作地点为北京或深圳， 以本JD描述为准。\n1、基本学历与专业：\n硕士及以上学历，计算机、自动化、机器人、运筹学、工业工程、人工智能等相关专业。\n2、工程与编程基础：\n（1）具备扎实的计算机科学基础，精通数据结构与算法，熟练掌握 C++ 与 Python，具有良好的代码规范与性能调优能力。\n（2）熟悉至少一种主流深度学习或强化学习框架，熟悉仿真平台（如 AirSim、Gazebo、Isaac Sim 或自定义离散事件仿真）者优先。\n3、核心领域能力（满足以下至少方向之一）：\n方向 A：AI & 深度决策（AI & RL/Agent）\n（1）熟悉模仿学习（DAgger, GAIL）、强化学习（PPO, SAC, Offline RL）及其在运动规划/行为决策中的应用，了解 Sim2Real 迁移与泛化问题。\n（2）深入理解大语言模型（LLM）微调（LoRA/SFT）、Agent 工具调用（Function Calling/ReAct）与 Multi-Agent 系统设计；\n方向 B：运动规划与控制\n（1）深入理解图搜索（A*, D*, Jump Point Search）、采样算法（RRT*, PRM）及连续轨迹优化（B-spline, Polynomial Optimization, MPC）；\n（2）熟悉多机协同规划（MAPF）与时空碰撞检测（SDF, OcTree）等典型方法\n方向 C：运筹优化\n（1）深入理解大规模组合优化问题，精通 MIP/LP 数学规划建模，熟练使用 Commercial Solvers（Gurobi, CPLEX, OR-Tools）；\n（2）精通元启发式算法（ALNS, Tabu Search, Genetic Algorithm）与分解算法（Column Generation, Benders Decomposition），有实战大规模 VRPTW/PDP 经验。\n4、AI 工具效能：\n熟练运用 AI 辅助开发工具进行代码生成、重构、单元测试及算法调优，具备将 AI 工具融入每日 Workflow 的习惯。\n5、软素质：\n（1）具备极强的问题定义能力与数学建模抽象能力；\n（2）逻辑清晰，自我驱动，对低空经济/无人机领域保持强烈的热情与好奇心。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}