地平线视觉深度学习算法工程师/专家（静态要素方向）
任职要求
1. 计算机视觉、模式识别、机器学习、电子信息、机器人等相关专业的硕士/博士，需要有自动驾驶2年以上从业经验 2. 熟悉主流深度学习算法，精通一/多个领域，包括但不限于目标检测、分割、跟踪、多任务学习、立体视觉等领域，有计算机视觉、模式识别领域顶会（CVPR/ICCV/ECCV/ICML/NeurIPS）或顶…
工作职责
1. 负责ADAS、Parking、城区/高速NOA场景下的感知算法研发，包含车道线、停车位、斑马线、箭头等路面标识检测模型，以及交通灯、标识牌检测等模型开发工作。 2. 基于Transformer/GNN实现数据驱动的车端道路拓扑模型搭建； 3. 负责核心算法或模型的原创设计以及工程化落地，如模型优化、评测体系化构建、case迭代等 4. 掌握数据挖掘、标注、训练、部署及badcase回归等闭环链路，并伴随业务开展持续优化；掌握通过数据闭环持续迭代模型的能力；
1 、负责无人车地面静态要素感知算法研发，包含车道线、路沿等要素检测工作，对感知问题深入分析并解决； 2、探索2D/3D检测，以及时序和多传感器融合算法； 3、负责核心算法或模型的原创设计以及工程化落地，如模型优化、模型部署等; 4、掌握通过数据闭环持续迭代模型的能力。
岗位职责： 从事行泊一体的自动驾驶算法的研究及工程化落地； 负责低速泊车场景的车位跟踪、重建算法的开发与优化； 参与低速非结构化场景下的无图静态路网构建 研究数据驱动的非结构化场景的静态路网生成方法
工作职责【负责其中之一的方向即可】 1、【道路几何方向】跟进学界最新主流道路集合感知进展，包括且不限于车道线，停止线，斑马线，Roadmarker, 道路拓扑等方向 2、【Occupancy方向】跟进学界最新主流占据网络感知层面进展，研究基于相机、激光雷达、毫米波雷达等Occupancy感知方案，业界内形成技术领先； 3、【BEV方向】跟进学界主流BEV感知进展，研究基于相机、激光雷达、毫米波雷达等端到端BEV感知方案，业界内形成技术领先； 4、【激光雷达方向】跟进学界主流激光雷达感知进展，研究基于激光雷达的动态&静态障碍物感知技术，业界内形成技术领先；
我们是高德视觉技术中心，驱动高德实现高精度地图、三维重建、LLM/VLM，AI Agent等核心技术，持续突破自动驾驶、AR导航、具身智能、推广搜和生活服务等领域的技术边界。我们团队致力于利用三维重建、生成式世界模型、多模态大模型等技术打通虚拟与现实，探索空间智能技术路线，让算法在真实应用中产生即时经济价值与社会影响力。 团队gihub主页：https://github.com/amap-cvlab 岗位职责： 1. 3D动/静态生产：利用三维重建、生成模型、多模态大模型对单图、视频完成动态物体/静态场景重建、生成、编辑，并得到可交互的3D、长时序视频； 2. 世界模型构建：结合具身智能、自动驾驶等数据探索空间智能的统一范式，完成环境感知、智能体预测、决策规划等任务并得到未来状态和未来传感器信息，为强化学习提供基座； 3. 产线落地与性能优化：与具身智能、自动驾驶、智能导航等业务协同，完善仿真数据链路； 4. 跟踪学术界和工业界在生成式AI/世界模型相关领域的最新进展，保持公司在该领域的技术领先地位。