小鹏汽车
校招【27届校招】具身智能算法研究员 - 人类数据
深圳/上海/北京 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 学术背景： 计算机视觉、计算机图形学、机器人学或相关专业硕士/博士学位，扎实的数学物理功底与良好的科学素养
- 核心技术栈：
- - 熟悉 3D 视觉 & 计算机图形学：多视图几何、SLAM、SfM、点云处理或神经渲染（NeRF / GS）。
- - 精通 人体重建与估计：深入理解 人体参数化模型 / Human Mesh Recovery / Human Pose Estimation / Hand-Object Interaction / 动作捕捉技术，熟悉 动作生成（Motion Generation）算法。
- - 了解 机器人学：运动学 / 动力学建模、强化学习（RL）或模仿学习（Imitation Learning）
- 工程能力： 熟练使用 Python / C++，有良好的编程习惯和工程思维
- 加分项：
- - 在顶级会议或期刊发表过第一作者论文
- - 有大规模 Egocentric 数据集处理经验
- - 熟悉 ROS、ROS2、Isaac Sim 或 Omniverse 等仿真平台
- - 熟悉 机器人本体，善于学习新技术，对技术有充足热情。
岗位描述
- 1. 第一人称感知算法开发： 研发基于第一人称视角（Egocentric View）的 3D 人体重建、动作生成、手势追踪及动作捕捉建模算法，从复杂的真实场景中提取高质量的运动指令，助力数据驱动的具身智能算法研究；
- 2. 高精度人体重建： 利用 SMPL / SMPL-X / MANO等参数化模型、多视角几何及神经渲染等技术，实现对人类动作行为的高精度重建，解决人体自遮挡、大范围运动等困难场景下的稳健估计问题，加速业界前沿的大规模 In-the-wild 人类数据采集和数据处理任务；
- 3. 动作生成与迁移（Retargeting）： 研究人类动作到异构机器人本体（包括但不限于全尺寸人形本体、灵巧手）的语义映射与动力学对齐，构建从“人类示范”到“机器人策略”的自动化数据管线；
- 4. 人类数据模型训练： 参与构建人类数据基座模型训练，将第一手模型理解与数据采集实践相结合，为 VLA / WAM 等前沿架构的具身基座模型提供大规模 Human-data 数据，提升机器人在非结构化环境下的泛化能力；
- 5. 前瞻研究与落地： 跟踪 ICRA / CoRL / RSS / SIGGRAPH / CVPR / ICLR / NeurIPS 等顶级会议趋势，发表高质量论文，并负责算法在真实机器人硬件和可穿戴数据采集硬件上的工程化落地。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。