哈啰感知算法工程师-【自动驾驶】
任职要求
1.硕士及以上学历，专业方向包括计算机、软件、自动化、模式识别、电子等理工科； 2.感知开发经验不小于3年，拥有2个及以上自动驾驶项目工作经验； 3.具备较强的感知算法设计及验证能力，熟悉3D/4D数据打标方法、Lidar点云运动畸变去除、LC同步原理、内外参标定等数据处理方式，熟悉常见的Lidar OD感知模型，如PointPillar、Center Point、CenterFormer、LidarFormer等，熟悉常见的视觉感知模型，如Yolo系列、BEVFormer等； 4.熟悉模型训练常见方法、Loss设计、数据增强方式等，熟悉模型TRT部署流程，如量化、剪枝等，有相关的调试经验。加分项：有cuda算子定制开发经验； 5.熟悉常见感知问题的表现及修复技巧； 6.踏实靠谱，积极肯干，具备良好的团队内及跨团队沟通能力； 7.加分项：有端到端智能驾驶开发经验，有世界模型开发经验，对创业有激情。
工作职责
1. 负责公司感知算法开发所需的数据获取（含标注管理）； 2. 负责公司感知算法（Lidar OD及红绿灯感知开发为主，视觉BEV开发为辅）技术路线制定、任务划分、结果管理，完成模型训练、评测及SoC部署（量化剪枝等）； 3. 路侧感知问题的原因分析、修复方案制定及监督实施； 4. 一段式端到端方案的预研。
自动驾驶中，感知团队的职责是根据传感器和高精地图的信息，对周围环境进行识别和理解，并对自车进行定位。在这里，你将研究和设计相关领域前沿算法，包括目标检测、分割、跟踪、场景理解、定位、模型压缩加速、基于大模型的数据挖掘与合成、半监督自监督、传感器标定等算法，直接赋能L4 无人车的大规模落地，创造社会价值和商业价值。一些项目包括： 1、感知大模型: 基于俯视图的多模态（激光雷达/相机）大模型，可支持多种任务，比如常见目标的检测、分割等 2、占据空间: 一种通用的目标检测方法，将周围环境抽象为占据、非占据的空间，解决开放世界层出不穷的异形物体识别问题，兜底感知召回能力，保证自车安全 3、端到端跟踪: 用基于深度学习的方法，替代经典的匈牙利匹配+卡尔曼滤波算法，通过数据驱动提升性能 4、场景理解: 通过编码周围环境中智能体和智能体、地图和地图、以及智能体和地图的交互关系，实现对相应场景的理解 (比如施工区连接、智能体是否是长停的车)，直接影响自车行为（避让、跟随等） 5、基于大模型的数据挖掘/合成：调研和应用各种大模型，挖掘或合成高价值场景，提升模型相应场景表现 6、半监督自监督：调研和开发各种高效算法，降低模型对标注数据的依赖。
自动驾驶： 1、负责自动驾驶动态目标感知算法设计和优化，包括但不限于3D目标检测与跟踪、图像/点云语义分割、物体动静态估计、Radar融合以及相应的数据挖掘与仿真算法； 2、静态感知模块研发，包括但不限于各类静态障碍物检测跟踪、地图元素识别及其矢量化/语义化/拓扑化、可行驶区域/BEV分割/OccupancyNetwork及针对真实世界中OpenVocabulary的众包地图大模型研发； 3、感知基础算法研发，包括但不限于时序多模态等基础感知模块，大规模多模态预训练算法，室外大范围动静态场景重建与编辑技术，基于（可提示）交互式智能标注系统等。
1. 负责感知算法实现与落地； 2. 负责学术论文调研，提取可落地方案； 3. 针对极端场景，实验解决方法。 【课题名称】 E2E超级认知型感知 【课题内容】 1. 探索3D-2D感知细粒度提升，语义/几何感知拆解，构建感知不确定性模型，提升感知泛化能力； 2. 探索从感知到认知的跃升，理解场景内障碍物对驾驶决策的影响，理解场景内Agent行为逻辑，构建新一代通用感知描述模型。
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。