商汤智能驾驶感知静态模型算法专家

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。

驾驶安装“智能驾驶系统”的汽车完成测试工作，保证汽车在行驶过程中的安全，同时站在用户角度，严格遵守工作流程完成测试工作，主动发现并将追踪到的问题系统化地整理成文档，推动“智能驾驶系统”完善 ＊驾驶智能驾驶车辆在开放道路进行测试，每天道路测试时间5-7小时 ＊测试过程中，记录道路情况和系统情况，保障车辆和人员安全 ＊学习自动驾驶技术，真实详细记录反馈智能驾驶系统相关问题 ＊应对简单的自动驾驶软硬件故障，并和工程师沟通反馈，推动问题解决 ＊发现并反馈工作中的安全和待完善问题，促进自动驾驶技术和管理完善

智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。

智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。