美团【北斗】无人机飞行器总体工程师
任职要求
【岗位要求】 1.硕士及以上学历，航空航天工程、飞行器设计、力学等相关专业 2.熟练使用至少一种三维建模软件，掌握常用的飞行器性能分析与仿真软件，掌握C++或python等编程工具 3.具备较强的学习能力，团队合作精神以及沟通能力，具有较强的创新意识。 具备以下优先： 1.熟悉飞行器前沿构型与前沿技术…
工作职责
为了更好地提升城市即时配送的效率与体验，2017年，美团启动了无人机配送服务的探索，通过科技创新推动履约工具变革，加快建设空地协同的本地即时配送网络。目前，美团已初步完成了自主飞行无人机、智能化调度系统及高效率运营体系的研发建设工作，由此打造了一个服务于多场景、多天候的城市低空物流解决方案。 在该岗位中您将负责： 1.负责飞行器总体构型设计与分析； 2.开展气动-结构-动力耦合的MDO（多学科优化）研究； 3.负责飞行动力学建模仿真，性能分析，系统指标分解； 4.负责飞行器的各项试验；负责各项总体相关报告编制； 5.主动探索并运用各类AI工具优化日常工作流程，积极推动AI在无人机场景中的落地实践。
为了更好地提升城市即时配送的效率与体验，2017年，美团启动了无人机配送服务的探索，通过科技创新推动履约工具变革，加快建设空地协同的本地即时配送网络。目前，美团已初步完成了自主飞行无人机、智能化调度系统及高效率运营体系的研发建设工作，由此打造了一个服务于多场景、多天候的城市低空物流解决方案。 我们正在推动无人机感知系统从模块化架构向端到端智能架构的代际跃迁——让无人机从"按规则飞"进化为"像人一样看懂世界、自主决策"。你将参与的核心工作： 1.设计下一代无人机感知系统架构，推进端到端感知-规划一体化技术路线的落地验证 2.研发多传感器（双目视觉/毫米波雷达/激光雷达/IMU）深度融合算法，解决低空复杂场景下的全天候环境感知问题 3.开发基于BEV/Occupancy Network的3D场景理解算法，实现城市低空环境中的精准避障与动态物体预测 4.探索将VLA（Vision-Language-Action）/ 世界模型等前沿范式应用于无人机自主飞行决策 5.针对边缘算力平台进行模型轻量化与实时推理优化，确保算法在真机上以>30FPS稳定运行 6.参与感知数据闭环体系建设：自动标注、长尾场景挖掘、仿真-实飞域自适应
为了更好地提升城市即时配送的效率与体验，2017年，美团启动了无人机配送服务的探索，通过科技创新推动履约工具变革，加快建设空地协同的本地即时配送网络。目前，美团已初步完成了自主飞行无人机、智能化调度系统及高效率运营体系的研发建设工作，由此打造了一个服务于多场景、多天候的城市低空物流解决方案。 该岗位将负责无人机实景仿真系统的核心算法研发与落地。以3D Gaussian Splatting（3DGS）、神经场景重建为基础，融合世界模型与生成式AI能力，打造面向无人机低空自主飞行场景的高保真数字孪生环境。系统接入无人机多视角航拍、地面激光雷达/相机采集、卫星遥感影像等多源异构数据，通过大规模场景重建与AI驱动的可控生成，输出覆盖城市级区域的真实感仿真场景，支撑感知、规划、决策等全链路算法的闭环训练与验证，加速无人机算法从仿真到实飞的迭代效率。 1.实景三维重建：基于3DGS及NeRF等前沿技术，利用多源异构数据（无人机多视角航拍、地面激光雷达/相机、卫星遥感影像）进行城市级大规模室外场景的高精度三维重建，实现照片级真实感的新视角合成与实时渲染； 2.世界模型构建：研发基于世界模型（World Model）的场景动态建模与时空推演能力，包括光照/天气/季节变化模拟、动态物体行为预测、物理交互仿真等，使仿真场景具备时序连贯性与物理合理性； 3.生成式场景合成：运用Diffusion Model、Video Generation Model等生成式AI技术，实现仿真场景的可控编辑与扩展生成，包括场景风格迁移（季节/天气/光照/时段）、稀疏观测区域AI补全、虚拟目标自动化插入、极端长尾场景（corner case）自动生成等； 4.仿真系统工程落地：参与实景仿真系统整体架构设计，推动算法从研究原型到生产级系统的转化，保障大规模场景的渲染效率与质量平衡。
【工作内容】 1. 深度参与强化学习算法的前沿探索，推动其在自动驾驶决策与规划场景中的落地应用 2. 设计并实现强化学习相关实验方案，完成算法验证、性能评估与迭代优化 3. 与团队紧密协作，将研究成果转化为可工程化落地的系统方案 【岗位吸引点】 1. 实量产场景验证：算法直接应用于美团 RoboVan 车队的决策规划模块，在复杂城市物流场景中完成真实闭环验证，研究成果不止于论文 2. 顶级技术环境：与强化学习方向资深研究员深度协作，接触国内少有的、将 RL 应用于规模化商业落地的完整技术栈 3. 全链路视角：在感知-决策-执行全链路自研的环境中工作，能从系统层面理解 RL 在自动驾驶中的真实挑战与价值
【工作内容】 1. 探索基于3D Gaussian Splatting的重建模型在高精地图（HD Map）建图场景中的应用与优化 2. 针对大规模场景重建的效率与精度瓶颈开展算法改进，推动模型在实际驾驶数据上的迭代 3. 与工程团队协作，将3D高斯重建能力集成至自动驾驶感知与建图系统 【岗位吸引点】 1. 真实建图场景落地：3DGS 研究直接对接美团 RoboVan 的 HD Map 建图需求，有机会将前沿重建技术应用于规模化量产场景 2. 多城市真实数据支撑：物流配送场景覆盖复杂城市道路，数据多样性高，为大规模3D高斯重建提供极具挑战性的真实验证环境