Momenta端到端自动驾驶大模型实习生
任职要求
1. 计算机、机器学习、人工智能、机器人等相关专业，有良好的数据结构和算法基础； 2. 熟练使用 C/C++或 Python，有深度学习/强化学习等算法背景，具备扎实的数学基础； 3. 有端到端/VLA/WorldModel/3DGS，强化学习…
工作职责
1. 负责端到端智驾大模型在L2、L4下的算法预研，算法突破与验证工作； 2. 负责城区自动驾驶纯模型方案的落地部署，产品性能提升与交付； 3. 负责端到端智驾大模型方案的研发迭代体系的建设与完善。
研发基于视觉文本多模态大模型VLM，深度学习与强化学习的端到端自动驾驶方案，包括但不限于数据集构建，模型设计, 实现, 训练和验证。 - 开发并维护基于端到端自动驾驶大模型训练评测系统的工具链，包括数据处理，自动标注，数据闭环，测试与验证等。 - 探索基于开环模仿学习SFT和闭环强化学习的训练方案。
加入我们，驱动自动驾驶的未来！ 现正积极招募对大模型技术充满热情的实习生。如果你对VLM（视觉语言模型）、VLA（视觉语言动作模型）、世界模型、视频生成或强化学习有浓厚兴趣或研究经验，欢迎加入我们，共同探索自动驾驶技术的边界！ 职位亮点 • 前沿技术探索：深入参与多模态大模型、生成式世界模型、强化学习等尖端技术在自动驾驶领域的应用研究 • 全流程实践：从数据构建、模型设计、训练优化到评测部署，全面参与自动驾驶大模型的研发全流程 • 丰富资源支持：提供大规模真实驾驶场景数据集与充足计算资源，支持技术创新与突破 • 成果转化与发表：开放的技术氛围，支持顶会论文发表与专利申请，优秀成果有望落地应用 • 参与VLA/VLM算法研发，探索视觉-语言-动作模型在自动驾驶决策规划中的应用 • 开展生成式世界模型研究，包括状态建模、轨迹预测与端到端规划 • 运用强化学习/模仿学习技术，提升模型在复杂驾驶场景的应对能力 • 构建多模态预训练与SFT数据集，优化模型泛化性与鲁棒性 • 跟踪顶级会议最新研究成果，复现开源项目并进行技术验证
1. 协助研发基于强化学习（RL）或模仿学习（IL）的自动驾驶决策规划算法，解决复杂交通场景下的车辆行为决策与运动规划问题； 2. 参与构建和优化用于训练决策模型的数据处理流程，包括特征工程、场景提取、奖励函数设计及大规模数据集处理； 3. 负责或参与相关算法的仿真测试、实车调试、性能评估与迭代优化，推动算法在真实环境中的性能提升和落地； 4. 跟踪并调研强化学习、模仿学习、行为预测等领域的国际前沿动态与最新研究成果（如顶会论文CVPR, ICRA, NeurIPS, ICML等），并尝试将其应用于实际项目； 5. 协助端到端自动驾驶大模型或相关子模块的研发与优化工作。
一、工作地点 上海 二、 负责自动驾驶领城LLM、VLM、VLA相关算法的设计与优化，探索其在自动驾驶各环节的创新应用，以提升自动驾驶系统的整体性能和安全性。 基于海量自动驾驶数据，进行模型训练和调优，挖掘数据价值，构建高质量数据集，提高模型的泛化能力和准确性。 开发基于大模型的数据分析工具和平台，为自动驾驶研发提供数据驱动的决策支持，推动自动驾驶技术的持续进步。 推动大模型算法在实际自动驾驶产品中的部署与落地性，满足自动驾驶在各种场景下的应用需求。 三、