地平线SLAM/3D算法实习生（定位/建图/位姿估计方向）
任职要求
1.硕士或以上学历，计算机/人工智能相关专业，具备良好的英文文献检索和阅读能力； 2.具有扎实的数学基础，精通多视几何、计算机视觉、机器人等基础知识； 3.具有VSLAM/VIO/SLAM/SFM/3D视觉等算法开发和系统实现经验； 4.扎实的C/C++编程知识及熟练使用OpenCV/Eigen/G2O/Ceres/Pytorch等库，熟悉ROS2； 5.熟悉深度学习在位姿/重建/地图等方面的算法和应用； 6.强烈责任心及良好学习沟通能力，具备较好的团队合作精神； 加分项： 1.有深度学习方案 Odometry/SLAM/SfM 等实际经验者优先； 2.在计算机视觉、机器人等相关领域顶级会议、期刊等发表论文者优先。
工作职责
在相关领域专家指导下，研究高精度视觉 SLAM/SFM 位姿估计算法；
1. 参与智能驾驶场景（包括但不限于高速和城区）下在线建图系统、路由系统的研发与优化； 2. 协助优化建图系统在几何、拓扑、属性、导航路由（routing）等方面的精度、效率和稳定性，支持项目迭代； 3. 参与在线建图相关系统工具链的开发，提高系统的可用性和易维护性； 4. 关注行业前沿技术，协助探索 SOTA 方法在在线建图领域的应用。
1. 基于 NVIDIA Isaac 的仿真平台开发 ‒ 搭建和维护基于 NVIDIA Isaac Sim 的仿真系统，支持多种场景类型。 ‒ 利用 NVIDIA Omniverse 技术，构建高保真的虚拟环境，模拟物理特性（如动力学、传感器特性、碰撞检测等）。 ‒ 开发和优化 Isaac Sim 中的自定义扩展模块，满足项目需求。 2. 环境建模与场景构建 ‒ 使用 NVIDIA Omniverse 和其他建模工具（如 Blender、Maya）创建逼真的仿真环境和场景。 ‒ 配置和调试虚拟传感器（如激光雷达、摄像头、IMU）以模拟真实硬件行为。 ‒ 构建动态交互场景，用于测试复杂环境中的性能。 3. 运动控制与算法验证 ‒ 在仿真环境中集成和测试算法（如SLAM、路径规划、运动控制）。 ‒ 验证和优化感知算法（如视觉检测、环境感知）在高保真模拟环境中的效果。 ‒ 通过仿真结果分析算法性能，为实际实施提供支持。 4. 系统集成与工具链开发 ‒ 与硬件和软件团队合作，将仿真结果与实际验证无缝对接。 ‒ 开发自动化测试工具和数据可视化分析工具，提高开发效率和数据洞察能力。 ‒ 集成 Isaac 与其他机器人框架（如 ROS/ROS 2）以支持全栈开发。 5. 研究与创新 ‒ 研究 NVIDIA Isaac 平台的最新功能和应用场景，将新技术引入仿真系统开发。 ‒ 跟踪仿真领域的前沿技术（如物理引擎优化、AI 模型仿真、数字孪生技术），并应用于项目中。
我们正在寻找一位热衷于自动驾驶/机器人领域有浓厚兴趣的实习生。根据个人技术栈能力和意愿, 有以下几个工作方向可以选择： 1、参与优化传感器在线标定算法的精度及运行效率； 2、探索结合NeRF/3D GS等深度学习方法, 研究开发高精度的离线自然场景标定； 3、参与设计开发通用的非线性优化库, 解决Ceres Solver的架构设计局限性及效率问题；
1.研发基于多传感器（激光雷达、摄像头等）的4D时空场景重建和生成算法，融合时序信息实现动态物体和静态场景高精度建模； 2.研发场景生成、可交互视频生成等技术，支持自动驾驶场景的高保真场景生成，用于端到端自动驾驶算法的闭环仿真和强化学习训练； 3.结合闭环仿真结果，对场景生成相关算法进行迭代，推动端到端自动驾驶系统的联合优化。