高德地图高德-VLA/空间计算/RL算法专家-视觉团队
任职要求
● 计算机科学、人工智能、机器人、电子工程等相关专业硕士及以上学历； ● 2年及以上自动驾驶/服务机器人领域核心算法经验，主导自动驾驶/机器人领域核心算法量产落地； ● 具备扎实的算法和编程基础，熟练使用至少一种深度学习框架； ● 在计算机视觉、自然语言处理、机器人感知或强化学习等领域有研究或项目经验； ● 在顶级会议（CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、IROS、RSS、CoRL等）发表过论文者优先。 技术方向加分项（满足至少一个方向）： ● 视觉-语言-动作方向：熟悉 Vision-Language Pre-training、具身智能（Embodied AI）、模仿学习、多模态决策系统等，有实际部署经验加分； ● 空间计算方向：熟悉 SLAM（视觉/激光/多传感器融合）、三维重建（3DGS、NeRF、Mesh）、点云处理、几何优化等； ● 强化学习方向：熟悉深度强化学习（GRPO、DQN、A3C、PPO、SAC等）、多智能体RL等，有Isaac、Mujoco等仿真环境开发经验加分； 我们提供： ● 与世界一流AI科学家和工程师共事的机会； ● 参与高德地图核心产品和技术演进，影响亿万用户； ● 宽广的技术成长空间与自由探索氛围； ● 具有竞争力的薪酬福利体系（薪资+股票+绩效奖金+弹性工作）
工作职责
我们正在寻找在具身智能VLA（视觉-语言-动作）、空间计算（重建、SLAM等）及强化学习领域有深厚积累的算法同学，加入高德地图视觉技术中心。你将参与构建下一代地图中的感知、理解与决策系统，推动具身导航、AR/VR、场景建模等前沿技术的研发与落地。 如果你热衷于用AI改变人们出行方式，渴望在真实世界大规模数据上验证算法能力，欢迎加入我们！ 岗位职责： ● 负责视觉语言动作（VLA）的具身智能模型和视觉语言模型（VLM）的研发，提升具身agent的空间理解和行动决策能力； ● 推进空间计算相关技术（如SLAM、三维重建、点云处理、姿态估计等）在下一代地图、虚拟现实等场景的应用； ● 探索强化学习在多模态大模型的后训练中的应用，提升具身/空间智能的能力天花板； ● 跟踪国际前沿技术发展，持续推动技术创新，并落实到实际应用中； ● 与工程团队紧密协作，完成从算法研发到系统部署的全流程闭环。
我们正在寻找在具身智能VLA（视觉-语言-动作）、空间计算（重建、SLAM等）及强化学习领域有深厚积累的算法同学，加入高德地图视觉技术中心。你将参与构建下一代地图中的感知、理解与决策系统，推动具身导航、AR/VR、场景建模等前沿技术的研发与落地。 如果你热衷于用AI改变人们出行方式，渴望在真实世界大规模数据上验证算法能力，欢迎加入我们！ 岗位职责： ● 负责视觉语言动作（VLA）的具身智能模型和视觉语言模型（VLM）的研发，提升具身agent的空间理解和行动决策能力； ● 推进空间计算相关技术（如SLAM、三维重建、点云处理、姿态估计等）在下一代地图、虚拟现实等场景的应用； ● 探索强化学习在多模态大模型的后训练中的应用，提升具身/空间智能的能力天花板； ● 跟踪国际前沿技术发展，持续推动技术创新，并落实到实际应用中； ● 与工程团队紧密协作，完成从算法研发到系统部署的全流程闭环。
1、进行端到端自动驾驶大模型算法架构设计：研发基于多模态感知（激光雷达、摄像头等）的端到端自动驾驶模型，实现感知-决策-规划端到端建模方法的算法创新和车端应用； 2、探索VLM和VLA方法在端到端自动驾驶场景中的算法创新和应用，建立数据标准，提升自动驾驶困难场景的场景理解和决策规划能力； 3、设计面向端到端自动驾驶的强化学习算法（如多智能体RL、分层RL、逆强化学习），解决长尾场景决策难题。
通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 视觉语言理解能力是Qwen最重要的能力之一，围绕 LLM 建设出具有视觉深度理解与推理能力的基座模型是团队的必经之路。结合视觉理解和推理能力的基础模型，将拓展到视频理解，GUI Agent，以及VLA 和机器人等场景中。团队负责：1）多模态基础模型的研发，包括融合视觉语言的跨模态理解模型设计，提升视觉基础模型在图像/视频中的视觉知识、空间感知、Omni Parsing等核心能力，并优化多模态大模型AI infra；2）探索多模态Agent和推理能力，构建支持网络世界（PC/Mobile/Web/游戏）交互的通用智能体；3）研究生成与理解统一的模型架构，实现跨模态生成与推理的协同优化。 工作职责 1. 多模态Pre-training：开展研究及进行实验。研究内容包括：数据清洗与筛选、数据配比优化、课程学习、视觉语言模型结构设计与优化、训练策略优化、预训练数据合成、scaling law预测、词表优化、模型蒸馏与压缩、长上下文能力优化等。 2. 多模态Post-training：迭代Post-training训练策略（SFT/RLHF），专项能力数据迭代，参与模型能力评测及评测数据和评估标准的迭代。 3. 多模态推理和通用Agent：通过强化学习（RL）持续提升多模态模型推理能力和执行任务能力，打造多模态的Test Scaling Laws，并推动模型对网络和虚拟世界的交互和任务完成能力。 4. 统一理解生成：构建视觉统一理解生成大模型，推进多模态统一生成与理解的推理和交互新范式。