文远知行感知Infra工程师

工作内容： 1、快速熟悉现有感知系统架构，梳理感知各模块作用和系统资源占用情况，持续跟踪评估新上feature，针对特定应用场景评估决策是否引入，并能实施代码重构。 2、建立灵活的监控与评估框架，全面分析评估感知系统中各个算法的性能与端到端的影响。 3、能优化或重构具体算法，降低资源使用率。 4、分析感知相关的系统问题。

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 关于感知Infra - Offboard方向(C++) 对周围环境与事物的感知能力是无人车与机器人技术发展的基础，是目前深度学习技术最前沿的应用之一，也是人工智能目前最具商业潜力的方向，是未来生产力提升的突破口。对于这样一个深度学习系统而言，模型的结构仅仅是冰山一角，围绕模型与应用建立起的工程能力，才是推动算法快速迭代的关键。例如一个应用于机器人的智能算法，需要通过高性能的仿真框架，处理海量的传感器数据，全面评估算法的行为，才能建立起快速的反馈与迭代。Offboard工程师的工作，就是围绕感知系统建立起闭环迭代所需的高效率基础设施，以实现感知系统的快速进化。 基于云原生和 Kubernetes 生态系统，打造高可用和高稳定性的复杂业务系统。 负责训练框架前沿技术的探索和研究，负责分布式训练架构体系的演进。 打造自动驾驶领域的数据闭环系统，自动驾驶大规模离线仿真技术等高水平大模型基础软件。 指导团队内技术工作，规划下一代自动驾驶感知领域离线基础架构技术，引领自动驾驶感知领域的离线基础架构理念变革

工作内容： 快速熟悉现有感知系统架构，梳理感知各模块作用和系统资源占用情况，持续跟踪评估新上feature，针对特定应用场景评估决策是否引入，并能实施代码重构。 建立灵活的监控与评估框架，全面分析评估感知系统中各个算法的性能与端到端的影响。 能优化或重构具体算法，降低资源使用率。 分析感知相关的系统问题。

base地 北京/上海/广州/深圳 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： 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 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，如路面上的垃圾袋，洒水车的水花，前车掉下来的挡板 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 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 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。 关于感知Infra方向 感知infra构建感知系统的基石，包括但不限于： 搭建高效可靠的计算框架； 实现模型的inference engine并对模型进行优化； 建立精确稳定高效的评估系统；搭建高效好用的训练框架等。