地平线智能辅助驾驶问题数据标注工程师

1. 智能辅助驾驶场景长尾数据检测、识别和挖掘算法研发，业务问题发现 模型研发 2. 自动标注算法研发，包括各种动静态障碍物、场景预标大模型和自动化流程推进工作 3. 端到端闭环自动业务流研发，推进自动数据迭代，加快功能迭代速度

1. 负责将多模态大语言模型（VLM）应用在车辆场景理解和corner case挖掘的工作中，完成数据挖掘交付任务 2. 负责利用规则挖掘的数据冷启动多模态大语言模型，规则+模型，提高数据挖掘效率 3. 与基础设施团队合作，构建高效的数据、训练、评估和标注流程

1. 从预期功能安全（SOTIF）业务角度出发，设计所需的数据回流、清洗、场景标注和提取、关键特征提取等方案，并推进工程化落地与优化，数据类型包括：驾驶辅助驾驶数据、人驾数据等； 2. 采用合适的数学模型、算法，设计并实现安全（Safety）相关数据挖掘、数据建模、统计分析、可视化等工作； 3. 通过对安全（Safety）相关数据的敏锐洞察、特征挖掘、定性/定量分析、数据建模，定位关键问题，挖掘潜在机会，设计方案并落地； 4. 搭建科学的基于数据的安全（Safety）指标体系和分析框架，设计并实现专项的安全数据分析、挖掘、建模与洞察工作，结合安全指标的短期波动和长期趋势进行归因总结，产出洞察决策；

智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。