理想汽车【自动驾驶】联合模型算法专家
任职要求
1. 有自动驾驶经验，熟悉自动驾驶常用的BEV方案、动静态算法、端到端、VLA等算法； 2. 计算机、模式识别等相关专业硕士/博士；对于即将开展的出海业务，有海外经历是加分项； 3. 较强代码能力，熟练C/C++或Python编程； 4. 具备良好的团队协作能力，能够突破技术难题，推动项目的高效实施； 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. 负责自动驾驶无图、端到端、VLA等联合模型（OneModel）的研发，包括模型训练和发版、模型结构优化、推理优化、数据管理等； 2. 负责支持自动驾驶模型训练框架的研发和升级。
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。
1. 负责自动驾驶汽车在结构化道路（如高速、城市快速路）及非结构化场景（如自动泊车）中的行为决策与运动规划算法研发，设计安全、舒适且符合交规的行驶策略； 2. 负责复杂动态场景（如密集车流切入切出、无保护路口、人车混流）的处理策略设计、算法实现与迭代优化，提升系统的智能性和可靠性； 3. 对接上游感知、定位模块和下游车辆控制模块，进行系统集成与联合调试，确保决策规划模块与整个自动驾驶系统协同稳定工作； 4. 负责算法的实车部署、车载嵌入式平台性能优化、仿真测试及大规模路测验证，支持量产项目的落地应用； 5. 持续跟踪业界前沿技术（如数据驱动、强化学习、大模型在规划中的应用），进行技术预研和算法创新，保持技术竞争力。
1. 负责结构化/非结构化道路决策规划算法设计、开发和验证； 2. 分析道路测试问题根因，设计问题修复方案并实施，保证算法的稳定性、可靠性和可扩展性； 3. 支持与运营平台端、远控端、上下游模块的对接，规控场景状态机的设计与高效实现。
1. VLA模型架构创新与研发： 主导机器人视觉-语言-动作（VLA）大模型的架构设计、算法研发与实现，攻克多模态特征高效对齐、动作序列生成与推理优化等关键技术，显著提升模型在机器人操作、自动驾驶等复杂任务中的端到端执行能力； 2. 机器人多模态智能系统构建： 设计并实现融合视觉、语言与动作信号的联合训练框架，研发基于Transformer或扩散模型的跨模态交互与理解机制，提升模型在动态复杂环境下的语义理解、情境推理与决策能力； 3. 模型高效部署与优化： 面向具身智能硬件平台（如机械臂、移动机器人），深度优化VLA模型的实时推理性能，运用算子融合、量化压缩、模型剪枝等前沿技术，实现模型在边缘设备的高效、低延迟部署； 4. 跨模态数据闭环体系搭建： 构建面向具身智能的大规模、高质量数据采集、增强与标注系统，开发仿真验证工具链，建立数据驱动的模型迭代闭环，持续提升VLA模型在真实场景下的鲁棒性与泛化能力。