理想汽车【自动驾驶】通用感知研发工程师
任职要求
1. 有3年以上自动驾驶研发经验，熟悉自动驾驶感知/预测/决策规划方法，有端到端研发和部署经验者优先； 2. 应用数学、模式识别、机器学习、电子信息、机器人等相关专业的硕士/博士或者同等工作经验； 3. 熟悉当前主流的深度学习算法，精通一个或多个领域算法研究，包括但不限于目标检测、图神经网络、NLP、大模型等领域； 4. 深入了解数据结构、算法、并行编程、代码优化和大规模数据处理等相关知识；至少精通 C/C++或 Python编程，有ACM经验者优先； 5. 有计算机视觉及模式识别领域顶会（CVPR/ICCV/ECCV/ICML/NeurIPS） 或顶刊（TPAMI/IJCV/TIP）者优先；有顶级学术比赛成果或实际工程项目经验者优先。
工作职责
1. 负责端到端算法模型设计研发和工程落地，包括动静态元素感知，occupancy 感知，障碍物轨迹预测，行为决策等端到端算法； 2. 研发交付通用感知算法模型，具备query-base onemodel多模块交互能力，构建全场景空间感知能力和行为预测能力； 3. 构建端到端算法模型自监督训练框架，探索occupancy预训练空间智能方案，通过数据闭环持续迭代模型能力； 4. 持续提升端到端算法模型中occupancy性能指标，扩展occupancy 在3DGS与worldmodel上的应用。
1. 负责理想汽车自动驾驶端到端模型方法研发和工程落地，包括但不限于动静态感知/通用障碍物/障碍物预测决策等端到端模型； 2. 负责设计高性能上限，具备量产能力的端到端模型算法，包括但不限于diffusion、VLM等模型算法； 3. 开发高效离线训练框架，以及可实时运行的在线推理框架，优化模型推理性能，研发模型部署工具链和优化工具； 4. 建立云端数据感知/决策联合标注Pipeline、数据挖掘机制以及难样本分析等工具链，利用影子模型挖掘众包数据，通过数据闭环持续选代模型能力。
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)
1.负责理想汽车自动驾驶端到端模型方法研发和工程落地，包活动静态感知/通用障碍物/障碍物预测决策等端到端模型; 2.开发高效离线训练框架，以及可实时运行的在线推理框架，优化模型推理性能，研发模型部署工具链和优化工具； 3.建立云端数据感知/决策联合标注Pipeline、数据挖掘机制以及难样本分析等工具链，利用影子模型挖掘众包数据，通过数据闭环持续选代模型能力。
