理想汽车【基座模型】视觉智能算法实习生

团队介绍： 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现空间智能、高精度地图、三维重建、LLM/VLM，AI Agent等核心技术，持续突破自动驾驶、AR导航、具身智能、推广搜和生活服务等领域的技术边界。团队不仅在计算机视觉领域持续深耕，更将计算机视觉及AI技术在自主导航、高德打车、生活服务等多元化应用场景。 作为高德地图的核心技术驱动部门，我们以下一代三维地图引擎、多模态理解与生成、空间智能、世界模型等方向为核心，推动智能出行与真实世界连接的深度融合。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 我们在做什么？ 高德拥有全中国最庞大、最真实的物理世界视觉数据。我们不只是在做地图，我们正在基于空间智能构建一个能够感知、理解并预测物理规律的“具身基座模型”。 在这里，你将触达数亿级真实街景、轨迹与语义数据，解决从“数字地图”到“通用物理智能”的终极跨越。 岗位核心挑战 具身基座模型 (Embodied Foundation Models)： 研发下一代VLA/WAM大模型，突破多模态指令到精准动作映射的瓶颈，实现跨场景的零样本迁移能力。 世界模型 (World Models)： 构建基于大规模视频生成的物理世界模拟器，利用生成式AI预测场景演化，为具身智能提供无限的训练“想象空间”。 大模型后训练与强化学习 ： 探索GRPO、PPO、SAC等算法在多模态大模型、具身控制上的应用，通过大规模强化学习提升Agent在复杂时空环境下的决策边界。 大规模数据合成与闭环： 利用高德独有的时空数据优势，构建自动化的具身数据生产、评测管线，解决Scaling Law在具身领域的落地难题。 开源影响力与行业基准： 主导或深度参与具身智能开源项目建设。 我们鼓励将核心算法框架、高质量具身数据集或评估基准贡献给开源社区，打造具有行业号召力的开源作品，定义下一代具身智能的技术标准。 为什么加入高德视觉团队？ 顶级的“真”数据： 区别于实验室的玩具数据集，我们拥有海量真实室内外场景与空间语义数据，这是训练基座模型最完美的温床。 极致的算力支持： 提供充足的集群资源，让你的Idea不受算力瓶颈束缚。 真实的应用场景： 你的代码将直接驱动真实物理产品，影响数亿用户的出行决策。 极简的技术氛围： 扁平化管理，与世界顶尖研究者共同探索AI的下一站。 加入我们，一起定义物理世界的AI入口！

负责微信视觉基座模型的核心技术研发与业务落地，构建统一的视觉理解与解析能力，支持在微信C端及视频号、公众号、微信小店等业务场景中的规模化应用。

简介：参与视觉生成与世界模型方向的前沿研究，可根据个人背景和研究兴趣选择以下方向之一深入推进： 1、高效率、低损失、高压缩比的图像视频 VAE 和 tokenizer 研究。 2、统一生成模型的架构、训练与推理探索（稀疏架构、大尺寸 MoE、自回归生成等）。 3、功能模型研究，包括参考生成、长视频生成、流式实时视频生成、音视频生成等。 4、隐式世界模型、WorldActionModel 及 Action-conditioned WorldModel 的方法研究。 5、世界模型在具身智能、实时交互等场景中的应用探索。 6、其他你坚信路线正确的视觉生成与世界模型前沿方向。