哈啰自动化标注算法工程师
任职要求
1、硕士及以上学历，计算机/人工智能/电子电器/自动化等相关专业，3年以上工作经验； 2、熟悉主流的基于CNN、transjformer等的AI网络结构、原理及训练、推理方法以及常用开源模型。 3、具备自动化标注相关经验，熟悉自车运动估计、轨迹估计、视觉/激光雷达SLAM、多次采集配准（multi-trip registration）、三维重建（COLMAP / Structure from Motion）及多传感器融合等核心技术中的1项或多项 4、编程能力优秀，熟悉Linux，熟悉C++/C和Python，Pytorch,Tensorflow等，具备良好的编程习惯； 5、有自动驾驶或者高精地图业务相关经验，从事过诸如4D GT构建以及高精地图自动化标注相关业务； 6、具备出色的逻辑分析与问题解决能力，主动协作、执行力强，能在高压环境下保持高产出
工作职责
1、自动化标注大模型研发：面向自动驾驶感知与规控任务（如障碍物、车道线、红绿灯、OCC等），设计与训练自动化/半自动化标注大模型，实现基于点云或图像的检测、跟踪、分割、融合等核心能力。 2、多模态融合与模型优化：基于相机、LiDAR、GNSS、IMU、轮速计等多源数据，构建多模态特征融合与生成模型，持续提升 4D 感知场景下的检出率、精度与鲁棒性。 3、自动化标注的Dag流程设计：负责将自动化标注链路拆解为可复用算子节点（operator），明确各节点输入输出、功能与依赖关系，保障器高效稳定执行； 4、数据闭环与持续学习：与数据挖掘、质量评估、模型训练、验证环节紧密协同，构建模型驱动的数据闭环体系，不断提升自动标注效率、准确率与泛化能力。 5、技术探索与落地：关注 AIGC、生成式标注、主动学习、弱监督、LLM+视觉理解等前沿方向，并推动其在自动标注任务中的应用落地
公司介绍： 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。 Data团队介绍： 在无人车等行业中，数据的重要性不言而喻，尤其是当模型越来越大，甚至算法建模流程逐渐从data-driven向data-centric转变的趋势下，对数据的处理越来越被重视。 数据组的是打通自动驾驶数据闭环链路，包括数据采集、数据索引、数据挖掘、数据标注、模型训练等多个方面，打造一个完整的闭环，加快自动驾驶算法的迭代速度。同时，数据组也开发了多个数据分析和处理的工具链，全方位打造企业级的大数据平台。 自动化标注组介绍： 在数据处理中，数据标注是重要一环，我们希望在传统人工标注中加入更多智能，更多地让模型来自动、半自动地完成数据标注，以解决人工标注中的成本、效率和数据质量等问题，有力地“赋能”业务。 与具体业务中的模型开发不同，标注阶段有更加充足的计算资源、有更加丰富的数据，可以选择更大更新的模型（包括大模型），同时还有人类在环(Human-in-the-loop) -- 这些独有的特点非常有意思，更重要地，它们也是自动化标注这件事可以成立的重要原因。 工作职责： 我们正在寻找一位自动化标注工程师，负责设计和开发自动驾驶数据自动化和半自动化标注算法，并与标注工具开发团队协作，研发标注工具优化方案，核心职责包括： 设计和开发自动驾驶数据自动化和半自动化标注算法，提高标注效率和准确性，包括但不限于：点云检测/识别/分割、图像检测/识别/分割等； 与标注工具开发团队协作，研发标注工具优化方案，提高标注工具的易用性和功能性； 研究和探索新的自动化标注技术和算法，不断提升数据标注的效率和准确性。
1.推进机器人多模态大模型（VLM/VLA）、3D感知算法的工程化落地：涵盖预训练、微调、训练加速和效果调优。 2.基于issac sim搭建仿真环境验证操作模型，设计real2sim2real迁移框架，加速算法验证与落地。 3.具身智能算法研发，包括不同数据配比/网络结构/本体构型，在toC场景完成长序列任务和技能泛化。 4.研发自动化标注算法（2D/3D/VLA等），降低标注成本和提升标注质量。 5.设计多模态数据（图像、视频和点云等）生成算法，增强数据多样性。
1. 推进机器人多模态大模型（VLM/VLA）的工程化落地：涵盖预训练、微调、训练加速和效果调优； 2. 基于issac sim搭建仿真环境验证操作模型，设计real2sim2real迁移框架，加速算法验证与落地； 3. 具身智能算法研发，包括不同数据配比/网络结构/本体构型，在toC场景完成长序列任务和技能泛化； 4. 研发自动化标注算法（2D/3D/VLA等），降低标注成本和提升标注质量； 5. 设计多模态数据（图像、视频和点云等）生成算法，增强数据多样性。
云端大模型算法工程师/专家 1、云端任务大模型算法研发：负责数据驱动的云端大模型算法研发和优化，包括多模态大模型、生成式世界模型等方向；开发基于多传感器数据、时空数据融合的自动标注算法；研发场景与标签的生成式算法技术，探索云端动静态场景重建算法上限，提升自动驾驶感知-拓扑-规划云端一体化能力; 2、云端基座大模型研发：基于海量量产数据，研发无监督/自监督算法，持续提升大模型的语义理解能力和空间感知能力；搭建和优化云端自动化标注产线，将重建/生成的场景真值应用于大规模模型训练和评测; 3、Scaling Law算法研发：负责车云平台一体化大模型算法研发和优化，研发和设计基于数据驱动的感知迭代链路；构建高效的自训练感知pipeline，提高数据闭环效率。