主分类：机器人与自动驾驶算法研发
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": "SLAM算法工程师-扫地机",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "武汉",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"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、负责在研slam技术落地工作；\n2、负责前沿slam技术预研工作。",
"requirements_text": "1、熟悉SLAM/多传感器融合经典框架，至少熟悉以下SLAM算法中的两项，cartographer，vins系列，ORB-SLAM系列，Lego-LOAM, LVI-SAM, Fast-LIO系列， Fast-LIVO系列等；\n2、熟练掌握C++算法，熟悉经典的数据结构与算法理论；\n3、熟悉常见的滤波器框架如KF, EKF, ESKF等及因子图优化理论；\n4、了解state of the art的SLAM算法，对SLAM的前沿学术进度有所跟踪；\n5、了解常见的深度学习、机器学习理论及常见的深度学习框架，如tensorflow， pytorch，caffe等；\n6、熟练使用VibeCoding工具，至少熟悉Claude Code/Curser/Codex中一项，具备编写项目实际Agent Skill的能力；\n7、具有影响力的github项目，优先。",
"skills": [AI生成
"C++",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据结构"
],
"preferred_qualifications": "7、具有影响力的github项目，优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7671292578125449522/detail"
}
]
},
"posting": {
"posting_id": "7671292578125449522",
"post_date": "2026-08-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7671292578125449522/detail"
},
"fulltext": "SLAM算法工程师-扫地机\n职位描述\n1、负责在研slam技术落地工作；\n2、负责前沿slam技术预研工作。\n\n职位要求\n1、熟悉SLAM/多传感器融合经典框架，至少熟悉以下SLAM算法中的两项，cartographer，vins系列，ORB-SLAM系列，Lego-LOAM, LVI-SAM, Fast-LIO系列， Fast-LIVO系列等；\n2、熟练掌握C++算法，熟悉经典的数据结构与算法理论；\n3、熟悉常见的滤波器框架如KF, EKF, ESKF等及因子图优化理论；\n4、了解state of the art的SLAM算法，对SLAM的前沿学术进度有所跟踪；\n5、了解常见的深度学习、机器学习理论及常见的深度学习框架，如tensorflow， pytorch，caffe等；\n6、熟练使用VibeCoding工具，至少熟悉Claude Code/Curser/Codex中一项，具备编写项目实际Agent Skill的能力；\n7、具有影响力的github项目，优先。\n1、负责在研slam技术落地工作；\n2、负责前沿slam技术预研工作。\n1、熟悉SLAM/多传感器融合经典框架，至少熟悉以下SLAM算法中的两项，cartographer，vins系列，ORB-SLAM系列，Lego-LOAM, LVI-SAM, Fast-LIO系列， Fast-LIVO系列等；\n2、熟练掌握C++算法，熟悉经典的数据结构与算法理论；\n3、熟悉常见的滤波器框架如KF, EKF, ESKF等及因子图优化理论；\n4、了解state of the art的SLAM算法，对SLAM的前沿学术进度有所跟踪；\n5、了解常见的深度学习、机器学习理论及常见的深度学习框架，如tensorflow， pytorch，caffe等；\n6、熟练使用VibeCoding工具，至少熟悉Claude Code/Curser/Codex中一项，具备编写项目实际Agent Skill的能力；\n7、具有影响力的github项目，优先。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}