TCL高级SLAM算法工程师（激光雷达与具身导航方向）
社招全职3年以上研发技术类地点：宁波状态：招聘
任职要求
任职要求 核心技术能力 1. SLAM方向： - 精通激光SLAM算法（如slamtoolbox等），对单线激光雷达（2D LiDAR）有实际项目经验； - 熟悉点云处理、运动畸变校正、闭环检测等关键技术； 2. 具身导航方向： - 熟悉视觉端到端导航（VLN, Vision-and-Language Navigation） 或模仿学习强化学习导航框架； - 具备基于数据驱动/混合泛式的导航算法开发经验； 3. 神经网络感知： - 熟练使用PyTorch/TensorFlow，具备基于CNN/Transf…
登录查看完整任职要求
微信扫码，1秒登录
工作职责
岗位职责 1. 负责基于单线激光雷达的SLAM系统开发、优化与部署，实现高精度定位与建图； 2. 设计并实现具身智能导航（Embodied Navigation）解决方案，重点研究视觉端到端导航技术路径； 3. 开发基于神经网络的环境感知模型（如语义分割、目标检测、场景理解等），支撑导航决策； 4. 构建空间计算能力（三维重建、场景表示、拓扑地图生成等），提升机器人空间认知能力； 5. 推动算法在机器人、自动驾驶或智能体等场景的落地，解决实际业务中的定位、导航问题。
包括英文材料
SLAM+
https://docs.mrpt.org/reference/latest/tutorial-slam-for-beginners-the-basics.html
[英文] SLAM for Dummies
https://dspace.mit.edu/bitstream/handle/1721.1/119149/16-412j-spring-2005/contents/projects/1aslam_blas_repo.pdf
A Tutorial Approach to Simultaneous Localization and Mapping
https://ouster.com/insights/blog/introduction-to-slam-simultaneous-localization-and-mapping
SLAM is an essential piece in robotics that helps robots to estimate their pose – the position and orientation – on the map while creating the map of the environment to carry out autonomous activities.
[英文] What Is SLAM?
https://www.mathworks.com/discovery/slam.html
How it works, types of SLAM algorithms, and getting started
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
强化学习+
https://cloud.google.com/discover/what-is-reinforcement-learning?hl=en
Reinforcement learning (RL) is a type of machine learning where an "agent" learns optimal behavior through interaction with its environment.
https://huggingface.co/learn/deep-rl-course/unit0/introduction
This course will teach you about Deep Reinforcement Learning from beginner to expert. It’s completely free and open-source!
https://www.kaggle.com/learn/intro-to-game-ai-and-reinforcement-learning
Build your own video game bots, using classic and cutting-edge algorithms.
PyTorch+
https://datawhalechina.github.io/thorough-pytorch/
PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。
https://www.youtube.com/watch?v=V_xro1bcAuA
Learn PyTorch for deep learning in this comprehensive course for beginners. PyTorch is a machine learning framework written in Python.
TensorFlow+
https://www.youtube.com/watch?v=tpCFfeUEGs8
Ready to learn the fundamentals of TensorFlow and deep learning with Python? Well, you’ve come to the right place.
https://www.youtube.com/watch?v=ZUKz4125WNI
This part continues right where part one left off so get that Google Colab window open and get ready to write plenty more TensorFlow code.
CNN+
https://learnopencv.com/understanding-convolutional-neural-networks-cnn/
Convolutional Neural Network (CNN) forms the basis of computer vision and image processing.
[英文] CNN Explainer
https://poloclub.github.io/cnn-explainer/
Learn Convolutional Neural Network (CNN) in your browser!
https://www.deeplearningbook.org/contents/convnets.html
Convolutional networks(LeCun, 1989), also known as convolutional neuralnetworks, or CNNs, are a specialized kind of neural network for processing data.
https://www.youtube.com/watch?v=2xqkSUhmmXU
MIT Introduction to Deep Learning 6.S191: Lecture 3 Convolutional Neural Networks for Computer Vision
还有更多 •••
相关职位
校招
1、参与SLAM（同步定位与地图构建）、多传感器融合、地图构建以及定位算法的研究和开发。 2、协助在嵌入式平台上实现和优化SLAM算法，并推动其在产品中的应用。 3、学习并探索激光SLAM与视觉SLAM的融合算法，协助开发相关应用。 4、协助编写技术文档，并参与团队的技术交流和知识分享。
更新于 2025-08-14深圳
校招研发类
1.三维视觉算法开发：基于多视角图像实现稠密场景重建（Mesh/Point Cloud/NeRF）开发动态场景SLAM 系统，支持地图实时更新与闭环检测，构建语义场景理解模块，实现物体级三维语义分割； 2.多模态模型优化：设计视觉-激光雷达跨模态融合策略 ，提升障碍物检测召回率，实现视频理解模型轻量化（模型压缩至200MB以内），探索RLHF在感知决策中的应用（如交互式场景探索）； 3.工程化落地：开发CUDA加速的 实时三维渲染管线 （FPS≥30），部署多模态模型至Jetson Orin 边缘计算平台，构建自动化标定工具链（支持相机-雷达-IMU联合标定）。
更新于 2025-05-15北京|上海|深圳
社招算法
1. 负责研究传统和新型三维重建、生成、编辑等技术； 2. 结合大疆软硬件产品，研究下一代三维重建技术，并应用落地； 3. 支持智图、智模、司空等行业产品，推动大疆行业软硬一体化解决方案的技术领先。
更新于 2025-07-17深圳
校招研发类
1.三维导航系统开发：基于激光/视觉SLAM实现动态场景重建，开发多目标路径规划算法 ，设计运动学控制接口，适配UR/Unitree等机器人平台； 2.多模态模型工程化：优化视觉语言模型在导航任务中的推理效率，实现多传感器标定工具链，构建仿真-真机数据闭环系统； 3.导航智能体开发：面向导航的任务规划与决策等模块开发，设计知识图谱增强的检索系统 ，探索多智能体协作策略； 4.技术文档编写：编写软件设计文档、调试报告及相关技术资料。
更新于 2025-05-15北京|上海|深圳