哈啰感知算法工程师（静态要素感知方向）-【自动驾驶】

1. 负责ADAS、Parking、城区/高速NOA场景下的感知算法研发，包含车道线、停车位、斑马线、箭头等路面标识检测模型，以及交通灯、标识牌检测等模型开发工作。 2. 基于Transformer/GNN实现数据驱动的车端道路拓扑模型搭建； 3. 负责核心算法或模型的原创设计以及工程化落地，如模型优化、评测体系化构建、case迭代等 4. 掌握数据挖掘、标注、训练、部署及badcase回归等闭环链路，并伴随业务开展持续优化；掌握通过数据闭环持续迭代模型的能力；

1. 跟踪VLM/VLA、世界模型、3D生成等前沿技术动态，结合地图领域的专业知识，探索其在智能交通与位置服务中的创新应用； 2. 基于高德海量多源异构数据，参与多模态地图大模型的构建、训练及性能调优； 3. 研发面向静态要素检测、occupancy网格预测及三维场景重建的多模态感知算法，建设复杂城市场景下的空间理解与环境表征能力。

1、全场景道路环境感知算法研发：主导城区、高速、泊车等多场景下的道路环境认知算法开发，基于深度学习模型实现车端的车道线、交通灯、停车位等关键要素的高保真检测与端到端建模，或通过静态要素的云端大模型赋能无图端到端系统精准感知； 2、模型优化与性能突破：负责感知模型的开发、验证与持续迭代，通过算法创新与工程优化，确保车辆“看得清、认得准”，提升复杂场景下道路环境的鲁棒性与实时性； 3、算法创新与工程落地：主导核心算法/模型的前沿设计，推动从理论到产品的全链路落地，包括模型轻量化、部署优化及评测体系构建；

1.负责城区、高速辅助驾驶系统环境模型构建相关算法开发及工程化落地； 2.构建两段式方案自动驾驶环境认知能力以及环境模型的研发； 3.根据感知静态要素、高精地图，构建道路模型，结合导航、感知动态障碍物等，为决策规划提供准确、安全的行驶环境；包括逻辑要素构建、道路拓扑、车道参考线、静态要素关联等 4.根据交通流、freespace、目标车辆等可用信息构建安全车道和行驶参考线，解决非结构化道路、非对称路口、施工区等场景的通行问题 5.参与工程化项目开发，分析泛化问题，并设计优化和解决方案