京东感知算法工程师（无人机方向）
任职要求
1. 计算机、自动化、模式识别、人工智能等相关专业硕士及以上学历。 2. 扎实的计算机视觉与深度学习基础，精通 2D/3D 目标检测（YOLO系列、FCOS、CenterPointVoxelNet）、语义分割（DeepLab、SegFormer）、多目标跟踪（DeepSORT、ByteTrack）。 3. 熟悉 多模态融合感知（Camera-LiDAR 融合），了解…
工作职责
1. 负责物流配送无人机多模态感知算法研发，基于视觉（RGB/双目）和激光雷达数据，实现飞行全场景下的目标检测、双目深度估计、语义分割、障碍物感知、可通行区域分析。 2. 设计多传感器融合感知方案，融合 Camera 与 LiDAR 的感知结果（BEV 感知 / 点云投影 / 目标级融合），提升复杂光照、天气条件下的检测鲁棒性。 3. 负责感知模型的量化、剪枝、蒸馏与端侧部署，在 Jetson / 国产 AI 芯片等有限算力平台上实现实时推理。 4. 协同飞控、规划控制团队，完成感知输出的工程化集成与实飞验证。 5. 研究多模态大模型在无人机场景的落地应用，提高无人机智能化水平
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
1、设计并实现多模态传感器（摄像头、LiDAR、IMU）的数据融合算法，提升目标检测、跟踪、场景理解的鲁棒性与精度。 2、构建基于深度学习的多模态感知模型（如BEV融合、时序融合网络），解决遮挡、极端天气、低光照等复杂场景的感知难题。 3、负责激光雷达数据采集与数据处理(长尾数据, 长尾场景)，开发高效离线工具链（C++)，包括数据处理，模型训练，测试仿真等 4、跟踪多模态感知领域技术，推动算法在业务场景的迭代创新。
1. 以业务和线上问题为导向，深入分析并解决动态感知领域的核心技术难题，负责具体模块的研发与效果打磨。方向包括但不限于：红绿灯检测、障碍物检测与跟踪、语义与意图理解。 2. 持续推动前沿技术落地，优化以视觉为主导的感知基础模型，结合"深度学习模型 + 算法策略"双轮驱动，系统性提升 MPI / MPHB 等核心指标。 3. 参与感知系统架构讨论，具备从模块视角发现系统性问题、提出并落地优化方案的能力。 4. 配合上下游团队推动算法的数据驱动迭代和端到端可导能力建设。
1.参与在线地图研发工作，包括物理元素（车道线、道路边缘、停止线、路面标识、人行道、交通标识牌、停车位等）和逻辑元素（车道中心线、交通标识牌车道绑定等）。 2.负责并研发规则算法（矢量化方法、时空关联跟踪融合方法），同时能够兼顾Learning based模型和多图源融合方法的研发。