滴滴27届秋储-视觉算法工程实习生（地图事业部）
任职要求
1、2027届在校生，本科及以上学历，机器学习、计算机视觉、模式识别、图像识别等相关专业优先 2、具有图像理解(图像检索、图像识别、人脸识别、目标检测、视频分析)、机器学习(深度学习)…
工作职责
1、从事交通场景下的场景理解、目标检测与识别 2、从事机器学习基础框架的优化和改进 3、将相关应用场景中的问题转化成数据模型或者科学问题，并尝试提出解决方案。
参与L4无人驾驶安全兜底算法设计，针对极端场景，研究和构建AEB系统。探索和应用预训练多模态大模型/生成式 AI算法，持续跟进前沿进展，运用前沿技术赋能自动驾驶、构建高效数据闭环系统。将大模型成果迁移到真实车队感知系统中，针对corner case设计解决方案，解决长尾问题，提升复杂场景下的鲁棒性。
作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。在这里，你将有机会：1. 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争 2. 深入研究并推动最前沿的学术成果在产业中的落地 3. 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 你将在导师指导下选定一个或多个方向，参与感知从研发到落地、从算法到系统的端到端工作。1. 物体识别与跟踪：1）设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 2）提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） 2. 通用障碍物识别：1）识别未知类别 /未训练类别的障碍物 2）基于异常检测 /开放类别识别的算法研究与工程实现 3）在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 3. 场景和意图理解：1）语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 2）场景理解，例如施工区域识别、可通行区域识别等 3）意图理解，例如行人动作识别、起步意图识别等 4）交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 4. 感知大模型 /多模态：1）探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 2）零样本 / 少样本 / 跨域泛化的策略研发 3）将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 5. 模型评估、验证：1）构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 2）指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)。
1、协助负责公司端侧语音、视觉相关 Android 工程架构设计与核心模块开发，包括但不限于语音识别、语音合成、音视频预处理、端侧推理、相机 / 图像采集等能力建设 2、协助负责Android 平台性能优化：启动速度、内存、功耗、帧率、稳定性、包大小等专项优化，保障高并发、低时延场景下的端侧体验 3、协助负责 Android 音频 / 相机 / 传感器等系统底层能力调用、权限管理、兼容性适配，解决多机型、多系统版本的工程问题。
1、面向公司研发部门的提供稳定、高效、易用的存储组件产品，负责架构和运维体系设计、研发工作 2、持续优化存储组件稳定性、性能、成本、可用性、可扩展性、可维护性等 3、深入理解业务场景和需求，发掘和思考技术演进方向，交付高质量结果。