蔚来多传感器环境融合资深工程师/专家

我们正在寻找在具身智能VLA（视觉-语言-动作）、空间计算（重建、SLAM等）及强化学习领域有深厚积累的算法同学，加入高德地图视觉技术中心。你将参与构建下一代地图中的感知、理解与决策系统，推动具身导航、AR/VR、场景建模等前沿技术的研发与落地。 如果你热衷于用AI改变人们出行方式，渴望在真实世界大规模数据上验证算法能力，欢迎加入我们！ 岗位职责： ● 负责视觉语言动作（VLA）的具身智能模型和视觉语言模型（VLM）的研发，提升具身agent的空间理解和行动决策能力； ● 推进空间计算相关技术（如SLAM、三维重建、点云处理、姿态估计等）在下一代地图、虚拟现实等场景的应用； ● 探索强化学习在多模态大模型的后训练中的应用，提升具身/空间智能的能力天花板； ● 跟踪国际前沿技术发展，持续推动技术创新，并落实到实际应用中； ● 与工程团队紧密协作，完成从算法研发到系统部署的全流程闭环。

1. 按照项目及功能软件需求参与系统方案设计、制定测试方案、测试策略、量化测试覆盖度，进行测试点设计并及时跟踪测试计划，识别并解决可能的风险； 2. 根据测试交付质量、测试效率、测试成本等综合因素，制定涵盖控制器软件SiL测试、单件HiL测试、多控制器组网测试、实车测试的整体测试方案及测试部署。 3. 参与车控软件的系统需求及方案评审，并完成多模态智能车身与跨域系统的测试用例设计；功能包含但不限于雨刮及车窗系统、门锁及进出系统、座椅及舒适性系统、智能灯光等多域融合的功能测试，保障测试覆盖度及测试质量； 4. 参与测试执行工作，能够敏捷、准确、高效得利用测试工具和测试方法，进行测试结果分析，推动问题的内外部闭环； 5. 参与测试环境搭建（包括但不限于HiL、Labcar或整车），并能够与参与高效测试工具链开发，完成控制器及样件的维护升级，以满足项目交付； 6. 协同搭建行业领先的测试流程和测试体系，配合团队长远发展目标；

公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)

【工作职责】
 1）研发高鲁棒性的多模态导航算法架构，融合激光雷达/视觉/惯导等多传感器信息，构建动态环境认知与语义理解模型，开发自适应不同场景的导航策略框架。 2）优化实时运动控制系统：设计低延迟的路径规划与轨迹优化算法，研发动态避障与紧急制动机制，实现厘米级精度的运动控制。 3）构建智能决策系统：开发适应场景理解与行为预测的决策模块，实现复杂场景下的长期自主导航。 4）算法工程化落地：完成嵌入式平台移植与性能优化，设计系统级仿真验证方案，搭建全场景自动化测试体系。