商汤端到端泊车模型工程师
任职要求
1. 计算机、机器人、自动化等相关专业硕士及以上； 2. 具备数据驱动算法的研发能力，熟练掌握相关技术栈，包括 C++、Python、PyTorc…
工作职责
1. 设计并实现端到端自动驾驶模型，统一感知、决策及规划模块实现一段式输出，提升模型的性能与效率； 2. 熟练运用深度学习、强化学习等相关AI技术，设计并优化模型结构，提升模型在复杂驾驶场景的表现； 3. 负责数据闭环，通过构建标签系统，挖掘、构建高质量的自动驾驶数据集，为模型训练提供支持； 4. 利用数据增强、迁移学习等方法，实现数据的高效利用，提升模型在广泛场景下的泛化能力； 5. 自主跟踪相关领域的前沿成果，探索新技术在端到端模型中的工程落地可行性。
自动驾驶泊车感知算法高级/资深工程师 1、负责车端智能辅助驾驶的视觉感知算法研发，包含BEV视觉方向和单目视方向； 2、负责自动驾驶端到端模型的研发，偏向场景理解方向。
1. 负责行车辅助、自动泊车、视觉语言模型（VLM）、驾驶员监测系统（DMS）、端到端模型等数据的接入与后处理工作，为智能驾驶人机交互体验的持续优化提供高质量数据支持 ； 2. 制定人机交互功能所需的数据解决方案，并对感知模型提出明确的数据需求，参与模型输出结果的验收评估 ； 3. 研究端到端学习、视觉语言行动（VLA）、舱驾一体化等新兴技术在人机交互场景中的应用 ； 4. 维护人机交互引擎的稳定性与高性能表现，确保全链路帧率流畅及数据协议的兼容性与合理性；
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；
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。