文远知行感知模型优化算法工程师（北上广深）
社招全职地点：广州状态：招聘
任职要求
感知模型优化工程师 关于公司 文远知行（WeRide）成立于 2017 年，是全球领先的 L4 级自动驾驶科技公司，致力于“以无人驾驶改变人类出行”，已在全球超过 25 个城市开展自动驾驶研发、测试及运营，累积自动驾驶里程超1600万公里，应用场景覆盖智慧出行、智慧货运和智慧环卫，形成自动驾驶出租车、自动驾驶小巴、自动驾驶货运车、自动驾驶环卫车、高阶智能驾驶等五大产品矩阵，提供网约车、随需公交、同城货运、智能环卫、高阶智能驾驶解决方案等多种服务。 凭借“1个平台+3大场景+5大产品”的多元商业化战略，文远知行商业营收居同类自动驾驶企业之首，已与多家全球顶级主机厂和一级供应商达成战略合作伙伴关系，包括雷诺日产三菱联盟、宇通集团、博世、广汽集团等，不断为人类出行提供更多新选择。 文远知行目前的团队既有来自谷歌、微软、亚马逊、苹果、百度、滴滴的高阶工程师，也不乏刚从顶尖高校毕业的青年才俊。来到我们当中，你会发现这是一个专业、专注、有趣、有料的队伍。大家为了一个激动人心而富有挑战的目标走到一起，互相激励、脑力碰撞，为实现产品落地、创造社会价值、推进行业技术而努力。 对有抱负的工程师，还有什么比这更有意义的呢？我们虚位以待，真诚期待技术过硬、志趣相投的小伙伴加入我们！ 更多信息请访问：http://www.weride.ai，或关注官方微信号：文远知行WeRide 在有限的计算资源以及内存带宽下通过不限于算子优化，算子融合，量化，剪枝，模型结构优化等技巧来优化模型部署，满足业务帧率要求。 我们需要你： 1.熟悉模型推理优化基本原理，例如算子优化，融合，混合精度部署、模型量化、蒸馏、剪枝优化等 2.熟悉常见的AI模型推理引擎或了解编译优化技术 ，例如TensorRT，TVM，MLIR等 3.熟练掌握PyTorch机器学习框架，ONNX以及模型导出部署流程 4.熟悉GPU体系架构，熟悉cuda runtime以及cuda kernel编程 5.熟悉常见的深度学习模型结构，如CNN, Transformer等 加分项: 1.有Nvidia SoC相关的量产部署经验，如ORIN, Thor，熟悉DriveOS以及QNX safety上模型部署的经验 2.有完整高通芯片的量产部署经验
工作职责
无
包括英文材料
自动驾驶+
https://www.youtube.com/watch?v=_q4WUxgwDeg&list=PL05umP7R6ij321zzKXK6XCQXAaaYjQbzr
Lecture: Self-Driving Cars (Prof. Andreas Geiger, University of Tübingen)
https://www.youtube.com/watch?v=NkI9ia2cLhc&list=PLB0Tybl0UNfYoJE7ZwsBQoDIG4YN9ptyY
You will learn to make a self-driving car simulation by implementing every component one by one. I will teach you how to implement the car driving mechanics, how to define the environment, how to simulate some sensors, how to detect collisions and how to make the car control itself using a neural network.
HTTP+
https://developer.mozilla.org/zh-CN/docs/Web/HTTP
超文本传输协议（HTTP）是一个用于传输超媒体文档（例如 HTML）的应用层协议。它是为 Web 浏览器与 Web 服务器之间的通信而设计的，但也可以用于其他目的。
推理引擎+
https://www.youtube.com/watch?v=_dvk75LEJ34
https://www.youtube.com/watch?v=XtT5i0ZeHHE
TensorRT+
https://docs.nvidia.com/deeplearning/tensorrt/latest/getting-started/quick-start-guide.html
This TensorRT Quick Start Guide is a starting point for developers who want to try out the TensorRT SDK; specifically, it demonstrates how to quickly construct an application to run inference on a TensorRT engine.
PyTorch+
https://datawhalechina.github.io/thorough-pytorch/
PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。
https://www.youtube.com/watch?v=V_xro1bcAuA
Learn PyTorch for deep learning in this comprehensive course for beginners. PyTorch is a machine learning framework written in Python.
机器学习+
https://www.youtube.com/watch?v=0oyDqO8PjIg
Learn about machine learning and AI with this comprehensive 11-hour course from @LunarTech_ai.
https://www.youtube.com/watch?v=i_LwzRVP7bg
Learn Machine Learning in a way that is accessible to absolute beginners.
https://www.youtube.com/watch?v=NWONeJKn6kc
Learn the theory and practical application of machine learning concepts in this comprehensive course for beginners.
https://www.youtube.com/watch?v=PcbuKRNtCUc
Learn about all the most important concepts and terms related to machine learning and AI.
ONNX+
https://github.com/onnx/tutorials
Open Neural Network Exchange (ONNX) is an open standard format for representing machine learning models.
[英文] Introduction to ONNX
https://onnx.ai/onnx/intro/
This documentation describes the ONNX concepts (Open Neural Network Exchange).
CUDA+
https://developer.nvidia.com/blog/even-easier-introduction-cuda/
This post is a super simple introduction to CUDA, the popular parallel computing platform and programming model from NVIDIA.
https://www.youtube.com/watch?v=86FAWCzIe_4
Lean how to program with Nvidia CUDA and leverage GPUs for high-performance computing and deep learning.
内核+
https://www.youtube.com/watch?v=C43VxGZ_ugU
I rummage around the Linux kernel source and try to understand what makes computers do what they do.
https://www.youtube.com/watch?v=HNIg3TXfdX8&list=PLrGN1Qi7t67V-9uXzj4VSQCffntfvn42v
Learn how to develop your very own kernel from scratch in this programming series!
https://www.youtube.com/watch?v=JDfo2Lc7iLU
Denshi goes over a simple explanation of what computer kernels are and how they work, alonside what makes the Linux kernel any special.
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
CNN+
https://learnopencv.com/understanding-convolutional-neural-networks-cnn/
Convolutional Neural Network (CNN) forms the basis of computer vision and image processing.
[英文] CNN Explainer
https://poloclub.github.io/cnn-explainer/
Learn Convolutional Neural Network (CNN) in your browser!
https://www.deeplearningbook.org/contents/convnets.html
Convolutional networks(LeCun, 1989), also known as convolutional neuralnetworks, or CNNs, are a specialized kind of neural network for processing data.
https://www.youtube.com/watch?v=2xqkSUhmmXU
MIT Introduction to Deep Learning 6.S191: Lecture 3 Convolutional Neural Networks for Computer Vision
Transformer+
https://huggingface.co/learn/llm-course/en/chapter1/4
Breaking down how Large Language Models work, visualizing how data flows through.
https://poloclub.github.io/transformer-explainer/
An interactive visualization tool showing you how transformer models work in large language models (LLM) like GPT.
https://www.youtube.com/watch?v=wjZofJX0v4M
Breaking down how Large Language Models work, visualizing how data flows through.
SOC+
https://www.arm.com/resources/education/books/modern-soc
The aim of this textbook is to expose aspiring and practising SoC designers to the fundamentals and latest developments in SoC design and technologies using examples of Arm Cortex-A technology and related IP blocks and interfaces.
https://www.arm.com/resources/education/education-kits/introduction-to-soc
To produce students with solid introductory knowledge on the basics of SoC design and key practical skills required to implement a simple SoC on an FPGA and write embedded programs targeted at the microprocessor to control the peripherals.
https://www.youtube.com/watch?v=dokgLSAhqHI
A key part of the digital innovation revolution has been the embrace of the SoC, or system-on-chip.
相关职位
社招A160596
1. 自动驾驶深度学习方向感知算法研发； 2. 研发3D目标检测，车道线/道路拓扑，红绿灯感知模型； 3. 研发视觉BEV感知以及多模态前融合算法； 4. 研发多任务模型优化，模型网络结构优化算法； 5. 跟进前沿算法，研发端到端自动驾驶感知预测one model模型，World Model等算法； 6. 感知多模态融合与多目标跟踪算法技术研发；
更新于 2024-07-04
校招
1. 设计、开发和优化深度学习算法，特别是图像语义分割和深度感知模型，应用于实际项目中，提升模型的准确性和可靠性; 2. 负责视觉感知算法的全流程开发，包括但不限于语义感知、深度估计、目标检测、目标跟踪，以及多传感器融合感知算法的优化和部署，确保算法的高效性和鲁棒性; 3. 参与模型的量化与部署，优化模型性能，以便在边缘设备上高效运行，并与边缘计算团队紧密合作，确保模型的实用性和可扩展性; 4. 开发VLM通用模型，解决跨模态对齐、上下文理解与推理等问题，提升模型在复杂场景下的泛化能力和稳定性。结合具体业务需求，探索前沿视觉语言模型技术，推动技术创新与落地应用; 5. 数据处理与自动化：深入参与数据筛选、自动标注和数据挖掘，利用先进的数据处理技术提升数据质量，加速算法从开发到部署的进程; 6. 跟踪深度学习和计算机视觉领域的最新研究成果，将前沿技术应用于实际工作中，不断提升算法性能，满足项目需求; 7. 跨部门协作，根据项目的不同阶段和需求，完成上级安排的其他任务。
更新于 2025-08-26
社招
关于感知方向 感知是无人驾驶中非常复杂和有趣的部分之一，你构建的是一个人工智能集大成的系统，不是一项按部就班就能完成的工作！感知软件工程师负责无人驾驶感知系统的设计和实现，应对无人驾驶中各种最有挑战的问题： 1. 设计高效可靠的深度学习模型，在几十毫秒内精确检测和跟踪车周围200米之内所有的障碍物（人，车，非机动车辆，交通锥等），并对场景进行理解 2. 如何设计一般性的模型和算法去处理各式各样的长尾情况和极端环境，如路面上的垃圾袋，洒水车的水花，前车掉下来的挡板 ，如大雨，大雪，雾霾，风沙等 3. 如何保证感知模型和算法在极端的环境里的准确性和可靠性，如大雨，大雪，雾霾，风沙等 4. 把模型优化到极致，让十几个到几十个模型在车上有限的计算资源上欢快的运行 5. 如何搭建一个高效可靠的计算框架，支撑一个周期内接收几十个传感器的输入，做各种同步融合，并进行几十个深度学习模型的推理 关于机器学习和算法方向 这个方向的感知工程师负责设计并实现传感器标定，障碍物检测，分类，跟踪，和场景理解等各种模型和算法，对模型和算法进行评估和测试，并把模型和算法部署到车上。
更新于 2025-08-01
社招2年以上算法序列
1、全场景道路环境感知算法研发：主导城区、高速、泊车等多场景下的道路环境认知算法开发，基于深度学习模型实现车端的车道线、交通灯、停车位等关键要素的高保真检测与端到端建模，或通过静态要素的云端大模型赋能无图端到端系统精准感知； 2、模型优化与性能突破：负责感知模型的开发、验证与持续迭代，通过算法创新与工程优化，确保车辆“看得清、认得准”，提升复杂场景下道路环境的鲁棒性与实时性； 3、算法创新与工程落地：主导核心算法/模型的前沿设计，推动从理论到产品的全链路落地，包括模型轻量化、部署优化及评测体系构建；
更新于 2025-08-19