小鹏汽车计算机视觉和机器学习实习生（机器人导航）
任职要求
岗位要求： • 研究生及以上在读，计算机相关专业。有一个或多个相关应用领域的背景（比如：计算机视觉，自然语言处理，语音理解等）。 • 熟练掌握编程语言（python / C++），对深度学习框架有丰富的使用经验（Pytorch， Tensor…
工作职责
小鹏机器人中心致力于研发先进的人形机器人技术，包括机器人的行走，操作，智能导航，在大语言模型支撑下的人机交互等。我们拥有世界一流的软硬件团队，分布于深圳，上海，北京，广州和北美。作为计算机视觉和多模态大模型领域实习生，你将和机器人中心相关领域的工程师共同解决科研和工程问题。我们将共同成长，在人形机器人前沿领域留下自己印记。 你将获得： • 最前沿的AI相关技术，包括端到端导航，视觉和多模态基础大模型训练，推理，数据获取，机器人平台的应用部署等。 • 行业专家的指导。对于优秀的工作，我们会鼓励和帮助文章发表或专利申请。 • 完备的实验室条件， 包括充分的计算资源，机器人硬件平台等。 • 实习生是公司的宝贵财富，对于即将毕业的优秀的实习生，我们会优先考虑其全职工作申请。
负责VLA（视觉-语言-行动）多模态大模型在自动驾驶和机器人场景中的前沿算法研究，涵盖场景理解、语义引导决策、时空建模等核心能力； 主导VLA模型预研，构建可泛化、高可解释性的多模态基座大模型，为未来6~12个月技术演进提供基础支撑； 与高校及实习生协作，探索VLA的长期发展方向，包括表征学习，具身智能、慢系统蒸馏快系统等核心议题； 撰写高水平论文、技术文档，推动VLA方向在CVPR、NeurIPS、ICLR、CoRL等会议中的学术影响力。
1.负责流式音视频理解的前沿算法研究、实现与优化，重点攻克音视频联合增强、跨模态交互、流式分析等关键任务。 2.探索音视频数据集的构建与处理，需涵盖事件定位、过程描述、情感分析、主题概括等不同类型任务，探索数据增强策略，并建设高效的数据生产、标注和评估 pipeline。 3.具备技术前瞻性与创新能力，跟踪国际最新技术动态，探索如多模态理解创新架构、音视频理解等新方向，并提出创新算法或方案，推动学术前沿发展。
1.负责多模态理解大模型的前沿算法研究、实现与优化，重点攻克图像/视频理解、视觉问答、跨模态交互等关键任务。 2.参与构建和清洗大规模多模态数据集，探索数据增强策略，并可能建设高效的数据生产、标注和评估 pipeline，涵盖通用数据、视频、OCR等场景。 3.具备技术前瞻性与创新能力，跟踪国际最新技术动态，探索如多模态理解创新架构、音视频理解、Agentic RAG、AI Memory等新方向，并提出创新算法或方案，推动学术前沿发展。
1.负责城区/高速NOA场景下的感知算法研发，包含车道线、道路边界、地面箭头等路面静态要素检测工作； 2.探索先验地图前融合算法来提升遮挡、复杂路口以及超视距区域感知能力上限； 3.探索LLM和检测模型结合提高道路场景理解能力； 4.负责核心算法或模型的原创设计以及工程化落地，如型优化、评测体系化构建、case迭代等； 5.掌握数据挖掘、标注、训练、部署及badcase回归等闭环链路，并伴随业务开展持续优化； 6.掌握通过数据闭环持续迭代模型的能力。