商汤智能驾驶感知静态模型算法专家
任职要求
1. 硕士及以上学历，计算机科学、自动化、电子信息工程、数学等相关专业。具有扎实的专业基础知识，包括但不限于计算机视觉、机器学习、深度学习、图像处理、传感器技术等； 2. 具有 3-5 年以上智能驾驶感知算法开发经验，熟悉智能驾驶系统的整体架构和工作流程，有实际的量产项目经验者优先； 3. 在静态模型算法领域有深入的研究和实践经验，熟悉车道线检测、交通标志识别、道路边界识别等静态环境感知任务的算法设计和优化流程； 3. 精通深度学习框架，如 TensorFlow、PyTorch 等，能够熟练运用这些框架进行静态模型算法的设计、训练和优化； 5. 熟悉计算机视觉领域的主流算法和模型，如 CNN、R-CNN、YOLO 等，具备较强的算法设计、实…
工作职责
1. 负责智能驾驶感知系统中静态模型算法的研发与优化工作，包括但不限于车道线检测、交通标志识别、道路边界识别等静态环境感知任务，提升算法的准确性、鲁棒性和实时性，为车辆的决策规划提供可靠的静态环境信息； 2. 深入研究和应用深度学习、计算机视觉等技术，设计高效的静态模型算法，优化模型结构和参数，提高算法在不同场景下的适应性和性能表现； 3. 基于大量的实际道路数据和模拟场景，对静态模型算法进行训练和优化，确保算法在各种复杂环境下的稳定性和可靠性； 4. 与感知团队的其他成员（如动态模型算法专家、感知融合专家等）紧密合作，共同解决感知系统中的技术难题，提升整个感知系统的性能和可靠性； 5. 与算法团队、软件团队、硬件团队等其他相关部门进行有效的沟通和协作，确保静态模型算法的开发和优化工作与整个智能驾驶项目的进度和目标保持一致。
1、负责智能驾驶感知系统中动态模型算法的研发与优化工作，包括但不限于车辆、行人、自行车等动态目标的检测、跟踪与识别任务，提升算法的准确性、鲁棒性和实时性，为车辆的决策规划提供可靠的动态环境信息； 2、深入研究和应用深度学习、计算机视觉等技术，设计高效的动态模型算法，优化模型结构和参数，提高算法在不同场景下的适应性和性能表现； 3、基于大量的实际道路数据和模拟场景，对动态模型算法进行训练和优化，确保算法在各种复杂环境下的稳定性和可靠性； 4、与感知团队的其他成员（如静态模型算法专家、感知融合专家等）紧密合作，共同解决感知系统中的技术难题，提升整个感知系统的性能和可靠性； 5、与算法团队、软件团队、硬件团队等其他相关部门进行有效的沟通和协作，确保动态模型算法的开发和优化工作与整个智能驾驶项目的进度和目标保持一致。
1、负责无图或轻图架构下基于多模态融合感知算法设计与部署、如地图元素检测、静态行驶规划等； 2、负责地图感知模块与多模态感知架构的融合、在统一的感知架构下实现地图重建、BEV动态障碍物检测、动态障碍物的速度预测与跟踪、Occupancy Network等； 3、负责轻图技术栈与端到端、VLA等下一代自动驾驶技术的融合。
我们是高德视觉技术中心，驱动高德实现高精度地图、三维重建、LLM/VLM，AI Agent等核心技术，持续突破自动驾驶、AR导航、具身智能、推广搜和生活服务等领域的技术边界。我们团队致力于利用三维重建、生成式世界模型、多模态大模型等技术打通虚拟与现实，探索空间智能技术路线，让算法在真实应用中产生即时经济价值与社会影响力。 团队gihub主页：https://github.com/amap-cvlab 岗位职责： 1. 3D动/静态生产：利用三维重建、生成模型、多模态大模型对单图、视频完成动态物体/静态场景重建、生成、编辑，并得到可交互的3D、长时序视频； 2. 世界模型构建：结合具身智能、自动驾驶等数据探索空间智能的统一范式，完成环境感知、智能体预测、决策规划等任务并得到未来状态和未来传感器信息，为强化学习提供基座； 3. 产线落地与性能优化：与具身智能、自动驾驶、智能导航等业务协同，完善仿真数据链路； 4. 跟踪学术界和工业界在生成式AI/世界模型相关领域的最新进展，保持公司在该领域的技术领先地位。
1.参与多任务训练框架下行车和泊车静态感知要素的优化迭代，包括但不仅限于：车道线、路沿、车位、锥桶等 2. 参与多目相机特征融合、时序特征融合方案设计与优化 3. 持续提升长尾数据、复杂场景、模型边界的感知能力 4.深度优化网络结构、调优模型耗时、提升量化训练精度等