荣耀多模态感知工程师

1. 自动驾驶多模态（Camera&Radar&Lidar) 感知处理和优化，包括感知信息的预处理，多模态融合，置信度估计等； 2. 研究先进的多模态感知算法，例如点云+图像的多模态前融合感知、learning-based多模态处理等； 3. 与上下游模块沟通，反馈、承接量产问题，打造量产数据闭环。

多模态感知算法工程师 1、设计并实现多模态传感器（摄像头、LiDAR、IMU）的数据融合算法，提升目标检测、跟踪、场景理解的鲁棒性与精度。 2、构建基于深度学习的多模态感知模型（如BEV融合、时序融合网络），解决遮挡、极端天气、低光照等复杂场景的感知难题。 3、负责激光雷达数据采集与数据处理(长尾数据, 长尾场景)，开发高效离线工具链（C++)，包括数据处理，模型训练，测试仿真等 4、跟踪多模态感知领域技术，推动算法在业务场景的迭代创新。

主要从事物联网（IoT）与人工智能（AI）的跨领域技术研发，聚焦多模态感知与大模型优化在智能家居场景的深度应用，具体方向包括： 1. 多模态融合感知：研发基于视觉、语音、环境传感等多源数据的融合算法，构建高精度环境感知系统，实现对用户行为与空间状态的实时理解； 2. 垂域大模型优化：针对智能家居场景优化大模型架构，开发参数高效微调（如LoRA）与轻量化部署方案，提升模型在边缘设备端的推理效率； 3. 智能决策系统：融合多模态感知与大模型分析能力，构建个性化推荐引擎，实现设备联动自动化与场景化服务（如自适应照明、安防预警等）。 【课题名称】 基于多模态感知的IoT垂域大模型应用 【课题内容】 基于多模态感知融合技术的垂域大模型优化方案，拓展智能家居场景应用，实现环境、语音与视觉数据的协同分析与智能决策。

-基于摄像头、激光雷达、4D毫米波雷达等多模态传感器设计与研发融合感知模型与算法（包含但不限于：障碍物检测、OCC（Occupancy Network）、场景语义分割、跟踪等任务），提升在复杂场景、极端场景下的感知能力。 -构建覆盖Corner Case的自动化数据采集与标注系统，开发数据质量评估体系，建立数据-模型迭代闭环机制 -通过自监督、弱监督学习提升模型泛化能力，加速数据飞轮，探索VLM、VLA等技术在数据飞轮中的实践与应用 -世界模型研发相关，设计基于多模态传感器的世界模型，为复杂问题解决效果验证、端到端模型验证提供强有力的仿真验证能力与感知能力 -世界模型研发相关，构建为实现世界模型需要的数据闭环与数据飞轮，如数据采集、生成、自动化标注等相关强算法问题解决。