vivo感知算法专家

1、激光雷达感知算法开发与优化。负责自动驾驶场景中激光雷达感知算法的设计、开发和迭代，包括3D目标检测、点云分割、目标跟踪、可行驶区域识别等。需结合深度学习框架（如PyTorch、TensorFlow）优化模型性能，并完成算法上车部署。 2、前沿技术研究与预研。跟踪国际最新研究成果（如PointNet++、PointPillars、CenterPoint等模型），探索无监督/弱监督学习、强化学习等方向在感知领域的应用，推动技术落地。 3、团队管理与跨部门协作。负责技术文档编写、团队任务分配及进度把控，与系统集成、测试、规划模块工程师协作，确保感知算法与整车系统的兼容性和性能优化。 4、数据管理与模型迭代。主导数据标注规则制定、数据挖掘及模型评测，分析badcase并优化算法性能。需熟悉CUDA、TensorRT等加速工具，提升模型在嵌入式平台的运行效率。

1. 负责悬架预瞄前端算法的开发，即使用激光雷达，摄像头等感知设备，结合传感融合的算法，获取供底盘使用的路面高程，路面特征等信息； 2. 负责预瞄前端算法的软件架构设计，核心算法设计，代码开发； 3. 负责预瞄前端算法软件的架构说明书，算法设计说明书，标定/测试手册等的撰写； 4. 负责相应软件到车载控制器的集成方案制定与相关测试工作。

1. 面向L4无人物流车所面临的公开道路 + 站内配送场景，持续优化动态目标检测、跟踪、速度估计、occupancy方案，具备重视觉/纯视觉感知算法的量产经验； 2. 深入理解自动驾驶场景，能有效应对实际中挑战场景和长尾问题（如异形车、超慢速动静态估计、异常恶劣天气等），持续提升L4规模化阶段的感知安全与智能水平； 3. 跟进国内外先进成果，结合业务场景，探索车端算法和云端大语言模型、数据解算一体化的解决方案。

1、围绕基于领先的世界模型技术，进行自动驾驶图像生成以及场景生成的性能提升相关算法以及落地应用；相关技术包括：3DGS、Diffusion Model、多模态、视频生成大模型等； 2、以世界模型为底层技术，构建高真实性、高效率的闭环仿真能力，探索闭环仿真能力与端到端自动驾驶算法紧密结合的技术方案； 3、建立端到端自动驾驶评价指标及仿真测试能力； 4、负责自动驾驶直接模型的算法开发工作，包括但不限于场景生成、三维重建等。