理想汽车【自动驾驶】高级端到端算法工程师
任职要求
1. 计算机视觉、机器学习相关专业，有自动驾驶研发经验者优先； 2. 较强的算法实现能力，至少熟练使用PyTorch， TensorFlow等深度学习框架其中之一； 3. 熟悉多个领域者优先，如视觉感知、预测、轨迹优化； 4. 训练过复杂模型者优先，如多传感器融合的 BEV 模型，结构化信息与非结构化信息融合； 5. 具有优秀的分析问题和解决问题的能力，对解决具有挑战性的问题充满激情； 6. 对新技术有持续热情，善于快速学习，个性乐观，善于与人沟通合作。
工作职责
1. 负责自动驾驶端到端模型的设计与研发； 2. 参与、负责关键算法的设计、实现、优化，如 静态感知、导航地图融合、轨迹预测等； 3. 参与、负责训练及验证数据集的构建，以数据驱动方式持续优化模型能力。
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。
1.负责开发和优化自动驾驶端到端算法及系统，整合感知、预测、建图、决策等各传统模块，并负责端到端算法模型的车端移植与模块部署； 2.设计、开发和优化自动驾驶端到端算法，分阶段实现感知端到端、感知预测端到端、感知决策端到端三阶段算法研究； 3.开发、维护车端基于ROS2通信的端到端自动驾驶工程链路，提升车端识别准召、FPS、资源开销等性能指标； 4.与团队合作，进行算法性能评估和优化，对接上下游模块，提供满足下游需求的算法输出。
1.负责自动标注算法研发，实现多模态数据的联合生成与标注，涉及算法有点云分割&检测/动静态BEV/OCC/VLM等，支撑端到端/VLA项目落地； 2.负责云端VLM/VLA算法研发，并落地车云端； 3.负责重建生成算法在自动驾驶场景的研发，应用于静态标注和数据合成业务中； 4.探索新的模型训练方式在自动驾驶场景的落地，包括自监督/弱监督/增量训练/强化学习/数据配比方案等。 5.跟踪最新的大模型和人工智能发展动态，持续迭代更新多模态大模型方案； 6.主导关键技术的专利撰写和论文发表工作。
1.负责研发和实现理想汽车自动驾驶系统中的强化学习算法，针对端到端大模型的训练范式进行优化，确保算法在车端平台的高效部署。 2.专注于开发和实现创新的强化学习算法和架构，推动自动驾驶系统性能的提升，特别是在 MPI 性能方面的突破。 3.参与自动驾驶系统的分布式训练框架建设，优化计算资源和内存瓶颈，支持大规模模型的高效训练与推理。 4.跟踪强化学习和自动驾驶领域的最新技术进展，推动新技术的实验验证和应用落地，推动技术前沿的突破。 5.跨团队紧密合作，确保 AI 模型在生产环境中部署，满足高性能和高可靠性的要求。