滴滴27届秋储-算法工程师-自动驾驶
任职要求
1、2027届在校生，硕士及以上学历，计算机科学、人工智能、机器人等相关专业优先 2、扎实的深度学习与计算机视觉基础，熟悉常见感知算法/多模态大模型/扩散模型/生成式 AI 相关算法，熟悉Diffusion、3DGS、NeRF等生成重建技术，有实际项目落地经验 熟练掌握 PyTorch…
工作职责
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、应用先进的深度学习技术，解决自动驾驶中智能体的行为理解、预测和规划问题 2、研究和发展创新性的 VLM 和 VLA 模型，用以实时理解和预测其他交通参与者的行为，并做出合理运动规划 3、设计和优化基于AI 算法的在线预测和规划系统，增强系统的实时性和鲁棒性 4、开发和完善模型训练的离线系统，包括数据挖掘、数据处理，和模型评估及可视化。
自动驾驶中，Robotaxi团队的工作内容包括设计实现自动驾驶系统的决策与规划，同时支持各类为全无人车辆设计的产品功能。我们的目标是构建AI算法，帮助无人车更加安全、舒适及高效。1、在L4自动驾驶应用场景中研发和部署车辆路径规划、远程协助系统 2、研发机器人相关算法，包括场景理解、路径规划、人车协同等，帮助提升车辆的安全性和通行效率
自动驾驶中，规划团队的工作内容包括设计实现自动驾驶系统的交互建模，决策和轨迹生成，例如路径规划、决策交互、轨迹生成等，同时也支持各类为全无人车辆设计的产品功能。我们的目标是构建AI算法，帮助无人车更加安全、舒适及高效。1、在智能驾驶应用场景中研发和部署车辆路径规划与控制系统 2、与汽车厂商或其他研究机构合作研发智能控制车辆 3、研发机器人相关算法，包括行为预测，交互建模，轨迹搜索生成、路径规划、控制理论等。