Momenta驾驶员/乘员监控(DMS/OMS)软件产品项目经理/总监
任职要求
岗位要求： 1. 本岗位偏向于项目交付为主，产品为辅的背景； 2. 理工类本科及以上学历，6年以上主机厂或Tier1项目管理/产品经理/系统工程师经验。 3. 有自动驾驶或智能座舱相关的软件模块方向的经验优先； 4. 有产品sense…
工作职责
岗位职责： 1. 以产品为核心抓手，全面负责大型OEM量产项目的交付管理工作，负责智能驾驶和Robotaxi下DMS/OMS软件项目落地达成SOP目标，获得客户认可； 2. 负责设计内外部认可的项目交付计划，组织和拉通内部团队和外部客户建立起良好沟通机制，推动交付计划执行落地，对交付目标负责； 3. 建立项目交付过程的需求/问题管理和场景回收机制，做好项目进度管理、风险管理、质量管理，确保项目管理质量和客户认可； 4. 建设项目交付相关的流程和体系，提升团队整体交付效率； 5. 负责主线DMS/OMS部分产品的定义和优化迭代，在L2++/L3/L4场景下打造市场第一梯队的标准化产品； 6. 建设DMS/OMS产品定义和迭代体系，指引内部研发团队系统化迭代产品。包括但不限于产品定义文档撰写，产品优化体系建设，产品对标； 7. 大型OEM的售前产品方案反馈，支持解决方案和商务团队达成客户对DMS/OMS产品的技术认可。
1. 核心驾驶服务：主导董事长日常公务、商务出行及长途差旅的驾驶任务，遵守交通法规，保障行车安全与准时高效； 2. 车辆管理维护：主导公司配属车辆的日常清洁、保养、检修及保险办理，确保车辆状态良好、整洁合规，及时排查并消除安全隐患； 3. 行程保障协调：根据董事长行程需求，提前规划最优路线，协调路况、停车等事宜，配合准备出行所需证件、资料及物资； 4. 行政事务协助与应急处理：配合完成董事长交办的临时行政事务（如文件传递、物资接送、会务筹备辅助等），严格保守公司及董事长的工作行程等机密信息，具备应急处置能力，能妥善处理突发交通或安全事件； 5. 形象维护与调度协作：保持良好职业形象，遵守商务礼仪，在出行中提供得体的接待辅助服务，服从部门统一调度，适应弹性工作时间及加班需求。
储能工厂成品下线至发运的物流作业，主要负责跨运车设备驾驶、跨运车设备的现场引导等，吊装重大体积的成品、转运行驶、成品打包落位、打包好产品落位装车，现场指挥引导跨运车驾驶等，安全、及时并有效地满足生产运作任务等。 职责描述: 了解钢丝绳，吊带，吊装锁具吨位并正确熟练使用； 吊装运过程中能够正确使用起重手势，按照起重设备操作规程和方法进行操作，确保安全生产运作； 能熟练驾驶重大起重设备，有效安全把控和指挥引导，掌握驾驶舱的仪表屏显和各种安全操作功能； 负责现场引导指挥跨运车设备，并与跨运车设备驾驶员共同作业配合，安全且及时的完成各项产品及辅助设备/器具的起吊、转移、落位等作业任务，给出正确明确且清晰的指令要求，并与跨运车设备驾驶员有清楚有效的信息传递和指令明确沟通； 规范且熟练做好吊装等起重设备的日常检查、维护、保养； 严格遵守班组安全规定，穿戴劳保防护用品，严格执行5S管理标准，营造安全，有序，规范操作的现场，消除生产安全隐患，异常主动举手上报； 接收检查和监督，完成上级交办的其他工作；
驾驶安装“智能驾驶系统”的汽车完成测试工作，保证汽车在行驶过程中的安全，同时站在用户角度，严格遵守工作流程完成测试工作，主动发现并将追踪到的问题系统化地整理成文档，推动“智能驾驶系统”完善 ＊驾驶智能驾驶车辆在开放道路进行测试，每天道路测试时间5-7小时 ＊测试过程中，记录道路情况和系统情况，保障车辆和人员安全 ＊学习自动驾驶技术，真实详细记录反馈智能驾驶系统相关问题 ＊应对简单的自动驾驶软硬件故障，并和工程师沟通反馈，推动问题解决 ＊发现并反馈工作中的安全和待完善问题，促进自动驾驶技术和管理完善
岗位介绍 面向下一代自动驾驶技术路线，打造以视觉为核心的基础模型能力。区别于传统“感知结果驱动规划”的范式，构建从图像中直接学习对驾驶动作有因果意义表征的模型体系，让 Planner 更直接地利用视觉特征完成决策，并通过端到端训练持续提升复杂场景、长尾场景和闭环驾驶表现。 团队当前重点方向包括：视觉 foundation model、泛特征建模、世界模型（World Model / World-Action Model）、几何监督、自监督学习、时序建模、场景理解，以及面向自动驾驶任务的大规模训练与迭代优化。 岗位职责 1. 负责自动驾驶基础模型的架构设计、训练与效果迭代，推动视觉泛特征在自动驾驶任务中的建模与落地； 2. 研究视觉表征学习、世界模型、未来状态预测、inverse dynamics、latent planning 等方向，并结合自动驾驶场景形成可验证的技术方案； 3. 探索 Planner 与 Vision Encoder 更深度耦合的端到端训练方式，提升模型对复杂交通参与者、长尾障碍物和开放场景的理解与决策能力； 4. 设计并验证多种辅助学习任务，包括但不限于几何监督、自监督任务、时序建模、场景理解、视觉辅助任务等，持续增强模型表征能力； 5. 负责关键实验设计、离线/闭环指标分析、问题归因和版本迭代，形成高效稳定的研发闭环； 6. 与感知、规划、数据、训练系统、工程部署等团队协同，推动研究方案向工程可落地和量产可演进方向发展。。