滴滴27届秋储-感知算法工程师

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、电子工程、机器人等相关专业
2、扎实的深度学习与计算机视觉基础，熟悉常见感知算法与前沿研究方向
3、熟练掌握 PyTorch/TensorFlow 等深度学习框架，具…

工作职责

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)。