职位内容： 1. 感知算法研发与模型设计 • 负责自动驾驶感知核心算法（2D/3D 目标检测、车道线识别、交通标志/信号灯检测、Occupancy/ Occupancy-Flow 占据栅格网络、可行驶区域 segmentation 等）的设计、训练与优化； • 探索与推进前沿感知架构在车端的应用落地，包括但不限于 BEV（Bird's Eye View）空间变换、多视角 Transformer、跨模态/跨传感器融合架构，以及端到端（End-to-End）自动驾驶感知方案； • 研发针对复杂场景（如恶劣天气、长尾障碍物/Corner Cases、遮挡、夜间高动态范围等）的感知算法，持续提升模型的鲁棒性与泛化能力。 2. 模型量化、平台部署与工程化落地 • 与系统及嵌入式平台团队协作，基于主流车规级 SoC（如 NVIDIA Orin、Thor、地平线征程系列、高通等）完成深度学习模型的剪枝、蒸馏、QAT（量化感知训练）与 Post-Quantization； • 优化模型在 TensorRT、ONNX Runtime 等推理引擎及硬件加速器（NPU/DSP）上的运行效率，严格控制算力占用、内存带宽与延迟（FPS/Latency），实现低功耗、高吞吐的高效工程落地； 3. 多传感器融合与时序追踪（Fusion & Tracking） • 负责基于时序（Temporal）的 3D 目标追踪（MOT）、轨迹预测基础特征提取及状态估计（Kalman Filter/Hungarian Algorithm 等），提高感知结果在时间跨度上的平滑度与稳定性，为下游规控（PNC）提供可靠输入。 • 针对项目问题，通过分析数据，快速修改后处理逻辑，及时解决项目问题。 4. 数据闭环与自动化挖掘系统建设 • 参与感知数据闭环体系建设，建立涵盖数据清洗、自动化数据挖掘、难样本（Hard Examples）筛选及场景分类的管线（Pipeline）； • 探索与应用预训练大模型（Foundation Models/VLM）、Auto-Labeling（自动标注）技术，降低人工标注成本，实现“数据-模型-车端迭代”的持续闭环。 5. 前沿技术跟踪与全球研发协同 • 跟踪计算机视觉、深度学习及自动驾驶领域的国际前沿技术（如 CVPR/ICCV/ECCV/NeurIPS 等顶会论文），完成关键技术的 POC（概念验证）与工程转化； 作为核心研发力量，与全球分布式的算法、软件、测试及系统工程团队进行无缝协作，支持跨国/跨区域项目的交付与技术技术沉淀。