小鹏汽车【26届校招】自动驾驶感知算法工程师
任职要求
熟悉机器学习，深度学习、SLAM、多视图几何、非线性优化相关算法； 有自动驾驶实习经验，从事BEVFormer、MAPTR、时序视频等感知算法及工程落地者…
工作职责
1，负责车端视觉感知算法方向，用于车端无图高阶辅助驾驶功能； 2，侧重视觉BEV感知及道路拓扑感知，包括但不限于检测、分割、中心线拓扑生成等任务； 3，负责静态元素及道路拓扑网络核心算法技术突破，持续算法模型创新，加速模型工程化落地； 4，负责静态元素及道路拓扑感知模型车端交付，解决交付过程中的长尾 Corner Case、提升模型鲁棒性、自动化效率。
1.研发业界一流物理AI系统，包括不限于模仿学习， 强化学习， vla， vlm等训练系统与算法架构； 2.参与自动驾驶系统中机器学习算法的研究、开发与优化，包括但不限于深度学习算法在端到端感知大模型、规控大模型、视觉语言大模型等方面的应用； 3.设计和实现机器学习模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性。
1. 算法开发与优化： 负责自动驾驶模型算法的研发设计，包括但不限于行为决策、轨迹生成、运动规划等模块的深度学习/强化学习模型设计 探索基于Transformer、模仿学习（Imitation Learning）、强化学习（RL）等前沿技术的模型算法设计、应用方案 优化自动驾驶算法的实时性、安全性和舒适性，解决复杂场景（如拥堵、交互博弈、长尾问题）下的规划挑战 2.数据驱动迭代： 构建和利用大规模驾驶数据集（仿真+真实数据），设计数据闭环 pipeline 提升规划性能 参与数据标注、场景挖掘、仿真测试等环节，推动算法迭代 3.系统集成与部署： 与感知、控制等模块团队协作，实现模型算法在车载计算平台的部署 支持实车测试，分析问题并提出改进方案 4.前沿技术跟踪： 跟进学术界（如CVPR、ICRA、CoRL、IROS等）和工业界最新进展，将创新技术落地到量产或研发项目中
1. 负责自动驾驶端到端AEB/AES模型的研发； 2. 负责模型实车验证，性能评估； 3. 负责与大数据、模型量化、模型部署、测试团队的技术沟通。
1.参与自动驾驶系统中机器学习算法的研究、开发与优化，包括但不限于深度学习算法在端到端感知大模型、规控大模型、视觉语言大模型等方面的应用； 2.负责收集、整理和分析自动驾驶相关的数据集，进行数据预处理和标注，以提高模型的准确性和泛化能力； 3.设计和实现机器学习模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性。