Momenta感知算法专家

1. 通用视觉场景感知，包括检测、分割、识别、深度估计、OCR等； 2. 基于diffusion类的大模型感知，如单步SD深度估计、SD分割、法向图等； 3. 光感知，如白平衡、色温、照度、多光谱等估计； 4. 多任务感知，设计多任务感知架构，最大程度地通过共享计算达到接近单任务效果； 5. 图像质量评价如：画质、美学等图像评分； 6. 多帧运动估计。

1、激光雷达感知算法开发与优化。负责自动驾驶场景中激光雷达感知算法的设计、开发和迭代，包括3D目标检测、点云分割、目标跟踪、可行驶区域识别等。需结合深度学习框架（如PyTorch、TensorFlow）优化模型性能，并完成算法上车部署。 2、前沿技术研究与预研。跟踪国际最新研究成果（如PointNet++、PointPillars、CenterPoint等模型），探索无监督/弱监督学习、强化学习等方向在感知领域的应用，推动技术落地。 3、团队管理与跨部门协作。负责技术文档编写、团队任务分配及进度把控，与系统集成、测试、规划模块工程师协作，确保感知算法与整车系统的兼容性和性能优化。 4、数据管理与模型迭代。主导数据标注规则制定、数据挖掘及模型评测，分析badcase并优化算法性能。需熟悉CUDA、TensorRT等加速工具，提升模型在嵌入式平台的运行效率。

1. 负责悬架预瞄前端算法的开发，即使用激光雷达，摄像头等感知设备，结合传感融合的算法，获取供底盘使用的路面高程，路面特征等信息； 2. 负责预瞄前端算法的软件架构设计，核心算法设计，代码开发； 3. 负责预瞄前端算法软件的架构说明书，算法设计说明书，标定/测试手册等的撰写； 4. 负责相应软件到车载控制器的集成方案制定与相关测试工作。

1. 面向L4无人物流车所面临的公开道路 + 站内配送场景，持续优化动态目标检测、跟踪、速度估计、occupancy方案，具备重视觉/纯视觉感知算法的量产经验； 2. 深入理解自动驾驶场景，能有效应对实际中挑战场景和长尾问题（如异形车、超慢速动静态估计、异常恶劣天气等），持续提升L4规模化阶段的感知安全与智能水平； 3. 跟进国内外先进成果，结合业务场景，探索车端算法和云端大语言模型、数据解算一体化的解决方案。