滴滴26届正式批-定位算法工程师-自动驾驶
任职要求
1、2026届毕业生，硕士及以上学历，计算机相关专业优先 2、有良好的计算机和数学基础，精通EKF，Particle Filter，BA等优化理论，熟悉深度学习技术 3、了解LiDAR、相机、雷达、GNSS、IMU等一种或多种传感器的工作原理 4、精通C++，Python至少一种编程语言， 熟练使用pytorch，opencv，pcl 等开源库 5、良好的自驱力和探索精神。 加分项：有Robotics背景，包括但不限于SLAM、感知、控制等经验 有CV或者Robotics顶会顶刊等。
工作职责
结合多源数据，打造高精度、高可靠性、低延迟的自动驾驶定位系统。包括但不限于： 1、结合业界前沿技术，如3D视觉、SLAM等，研发基于多源数据融合的定位算法，并负责将算法落地到自动驾驶汽车上 2、基于海量数据，打造自动化的定位数据闭环系统，提高系统迭代的效率和算法的泛化性 3、联合硬件、系统等团队，充分挖掘GNSS、IMU、里程计、视觉等传感器潜能，突破定位精度上限。
自动驾驶中，感知团队的职责是根据传感器和高精地图的信息，对周围环境进行识别和理解，并对自车进行定位。在这里，你将研究和设计相关领域前沿算法，包括目标检测、分割、跟踪、场景理解、定位、模型压缩加速、基于大模型的数据挖掘与合成、半监督自监督、传感器标定等算法，直接赋能L4 无人车的大规模落地，创造社会价值和商业价值。一些项目包括： 1、感知大模型: 基于俯视图的多模态（激光雷达/相机）大模型，可支持多种任务，比如常见目标的检测、分割等 2、占据空间: 一种通用的目标检测方法，将周围环境抽象为占据、非占据的空间，解决开放世界层出不穷的异形物体识别问题，兜底感知召回能力，保证自车安全 3、端到端跟踪: 用基于深度学习的方法，替代经典的匈牙利匹配+卡尔曼滤波算法，通过数据驱动提升性能 4、场景理解: 通过编码周围环境中智能体和智能体、地图和地图、以及智能体和地图的交互关系，实现对相应场景的理解 (比如施工区连接、智能体是否是长停的车)，直接影响自车行为（避让、跟随等） 5、基于大模型的数据挖掘/合成：调研和应用各种大模型，挖掘或合成高价值场景，提升模型相应场景表现 6、半监督自监督：调研和开发各种高效算法，降低模型对标注数据的依赖。
1、负责滴滴代驾业务服务端开发工作 2、参与产品业务需求讨论，可以给出个人的建议和意见 3、参与服务端系统架构方案设计, 模块划分和开发，按时保质交付 4、跟进线上问题的解决，故障的定位和修复。
1、负责业务数据的梳理和报表搭建，监控核心指标异动并定位问题 2、参与AB测试设计，量化活动/策略效果，提出迭代优化建议 3、协助团队挖掘数据insights，洞察业务机会点，输出可落地的商业分析报告。
1、监控业务日常数据，针对异常情况进行跟踪和分析，建设并迭代业务监控框架 2、具备全局思维，从事业部层面思考，通过数据挖掘输出洞察，协助进行问题分析定位，并推动事情解决 3、协助进行核心资源把控，基于数据分析结果，对整体资源进行最优分配及利用 4、结合部门战略规划，促进事业部内外协作提效目标，及时沟通与协助解决问题，协助完成信息对齐和机制梳理等工作。