Momenta端到端模型算法工程师-静态元素
任职要求
1. 硕士及以上学历，计算机科学、人工智能、机器人、自动化等相关领域。 2. 精通深度学习在计算机视觉中的应用，熟练掌握目标检测（YOLO、DETR）、语义分割（UNet、DeepLab）、关键点检测等任务。 3. 具备红绿灯/交通标识等静态元素感知的实战经…
工作职责
1. 负责研发面向高精度静态环境感知的端到端深度学习模型，重点覆盖交通信号灯（红绿灯）、交通标识、车道线、路缘、静态障碍物等关键元素的检测与识别。 2. 构建并优化基于多传感器（摄像头、激光雷达、高精地图）融合的静态场景感知算法，确保在复杂城市道路、隧道、强光/弱光等极端场景下的鲁棒性。 3. 主导红绿灯的状态识别（颜色、闪烁、倒计时）及空间定位算法研发，解决小目标检测、遮挡、动态背光等关键技术挑战。 4. 设计端到端模型架构（如BEV感知、Transformer-based模型），实现从原始数据到结构化静态场景输出的高效映射。
1. 负责端到端算法模型设计研发和工程落地，包括动静态元素感知，occupancy 感知，障碍物轨迹预测，行为决策等端到端算法； 2. 研发交付通用感知算法模型，具备query-base onemodel多模块交互能力，构建全场景空间感知能力和行为预测能力； 3. 构建端到端算法模型自监督训练框架，探索occupancy预训练空间智能方案，通过数据闭环持续迭代模型能力； 4. 持续提升端到端算法模型中occupancy性能指标，扩展occupancy 在3DGS与worldmodel上的应用。
1. 负责理想汽车自动驾驶端到端模型方法研发和工程落地，包括但不限于动静态感知/通用障碍物/障碍物预测决策等端到端模型； 2. 负责设计高性能上限，具备量产能力的端到端模型算法，包括但不限于diffusion、VLM等模型算法； 3. 开发高效离线训练框架，以及可实时运行的在线推理框架，优化模型推理性能，研发模型部署工具链和优化工具； 4. 建立云端数据感知/决策联合标注Pipeline、数据挖掘机制以及难样本分析等工具链，利用影子模型挖掘众包数据，通过数据闭环持续选代模型能力。
1、负责以视觉为主的空中离散要素开发，包括重建其3D信息及与道路结构的绑定信息; 2、负责辅助驾驶中路口通行功能的性能调优及工程落地等工作； 3、参与辅助驾驶泛化的评测集构建以及训练集迭代，保障所负责功能的版本质量。
负责无图、轻图、端到端模型的数据闭环方向，包括基于规则和大模型的数据挖掘、数据自动标注、静态感知数据系统方案设计等方向 负责静态场景结构化拓扑、几何算法迭代，提升云端静态数据真值、特征自动化算法迭代 负责SD导航、ADAS等多模数据融合开发车云模型数据算法建模，提升感知与PNC超视距能力 负责数据闭环业务流串联开发，推进算法模块，各个子系统的生产流程自动化，提高迭代效率