文远知行自动驾驶传感器系统工程师
任职要求
学历与经验： 本科及以上学历，车辆工程、电子工程、自动化、计算机等相关专业； 3年以上自动驾驶传感器系统开发或集成经验，有OEM主机厂或Tier1对接经验者优先。 专业知识与技能： 熟悉主流自动驾驶传感器（激光雷达、摄像头、毫米波雷达、超声波雷达等）的工作原理、性能参数及布置要求； 了解传感器标定（内参/外参）、时间同步（PTP/GPS）、数据融合等技术； 熟悉AutoSAR、CAN/CAN FD、E…
工作职责
负责与OEM主机厂对接，明确自动驾驶传感器（激光雷达、摄像头、毫米波雷达等）的配置需求，制定技术方案并推动落地。 主导自动驾驶传感器系统的选型、布置及集成设计，确保传感器性能满足功能安全及系统性能要求。 理解自动驾驶域控处理器（如NVIDIA Drive、高通Ride、地平线征程等）的架构，优化传感器数据接入与处理方案。 协同算法、软件及硬件团队，完成传感器标定、数据融合及系统调试，确保系统的稳定性和可靠性。 分析并解决传感器在布置、标定及数据交互中的技术问题，支持系统级测试与验证。 跟踪行业前沿技术动态，推动传感器及域控方案的持续优化与创新。
-负责自动驾驶仿真平台前端开发 -开发高精度3D可视化仿真引擎，支持传感器数据（LiDAR、Camera、Radar）的动态渲染与实时交互，实现仿真场景的分布式可视化展示。 -Kubernetes（k8s）与云服务管理 -基于K8s搭建容器化仿真服务平台，微服务化架构，实现仿真服务的弹性伸缩、负载均衡与故障恢复 -跨团队协作与技术沉淀 -与算法团队紧密合作，确保仿真环境与自动驾驶感知、规划、控制模块的精准对接。 -主导技术文档编写与开源工具链研究，推动团队技术标准化。
-负责自动驾驶仿真平台前端开发 -开发高精度3D可视化仿真引擎，支持传感器数据（LiDAR、Camera、Radar）的动态渲染与实时交互，实现仿真场景的分布式可视化展示 -Kubernetes（k8s）与云服务管理 -基于K8s搭建容器化仿真服务平台，微服务化架构，实现仿真服务的弹性伸缩、负载均衡与故障恢复 -跨团队协作与技术沉淀 -与算法团队紧密合作，确保仿真环境与自动驾驶感知、规划、控制模块的精准对接 -主导技术文档编写与开源工具链研究，推动团队技术标准化
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)