理想汽车机器人研发实习生-AI Infra-北京

1. 参与构建高质量具身多模态数据体系，负责数据的处理、清洗与分析；参与大规模训练 pipeline 建设，包括数据处理、分布式训练框架搭建、训练效率优化与模型评估体系建立；参与数据算法SAM2/GroundingDINO、语义、 位姿等标注迭代优化，提高自动标注质量； 2. 参与算法在仿真平台及真机平台上的部署、调试与闭环验证，开发并调试基于感知-规划-执行的闭环抓取仿真 pipeline，完成仿真资产构建（URDF / USD 场景、物体模型、材质/光照设置）。

1、负责大模型应用开发范式及一站式研发平台的设计、开发及应用，支持司内外部业务及研发流程在大模型应用领域的快速落地； 2、负责大模型产品的整体技术解决方案，并支持技术研发和效果优化等工作，推动产品持续增长； 3、保障大模型应用系统架构的稳定、高效运行，帮助业务优化性能和改善系统稳定； 4、与Agent平台及算法团队紧密协作，推动LLM、RAG等技术与工程系统的深度集成。

1、负责大模型应用开发范式及一站式研发平台的设计、开发及应用，支持司内外部业务及研发流程在大模型应用领域的快速落地； 2、负责大模型产品的整体技术解决方案，并支持技术研发和效果优化等工作，推动产品持续增长； 3、保障大模型应用系统架构的稳定、高效运行，帮助业务优化性能和改善系统稳定； 4、与Agent平台及算法团队紧密协作，推动LLM、RAG等技术与工程系统的深度集成。

参与符合功能安全的车载平台通信中间件预研。这是一个技术调研 + 可行性评估项目。 - 横向调研，梳理业内成熟的 DDS 实现，主要候选包括 eProsima Fast DDS、RTI Connext DDS（商业）、Eclipse Cyclone DDS 等。需要从协议规范符合度（DDS/RTPS 2.x）、QoS 策略支持完整性、平台支持、License 等维度，建立对比矩阵。 - 对接现有框架，分析现有 VArch 中间件框架，识别与 DDS 的 API 边界，评估适配指定 DDS 实现和升级版本的改造成本。 - 量化评估，跑基准测试，覆盖延迟（端到端 P99.9）、吞吐量、CPU/内存占用，并整理功能差异清单，输出一份迁移风险报告。