蔚来实习-智能辅助驾驶大模型算法实习生
任职要求
1. 计算机科学、人工智能、机器人、自动化等相关专业硕士或博士学位。 2. 扎实的机器学习和深度学习理论基础， 熟悉常见的机器学习算法和深度学习框架 (如TensorFlow、PyTorch等)。 3. 丰富的编程经验， 熟练掌握Python、C++等编程语言。 4. 在以下至少一个领域有深入的研究经验： - 深度学习/计算机视觉 (目标检测、语义分割、图像处理等) - 强化学习 (深度强化学习、多智能体强化学习等) - 机器人学 (运动规划、控制理论等) 5. 良好的沟通能力和团队合作精神， 能够与不同背景的同事有效沟通和协作。 6. 对智能辅助驾驶技术充满热情， 并愿意接受挑战，不断学习和进步。 加分项： - 有智能辅助驾驶相关项目经验。 - 在顶级会议或期刊发表过相关论文。
工作职责
1. 研究和开发先进的机器学习算法， 应用于智能辅助驾驶的各个领域，包括但不限于： - 端到端大模型 (VLA、世界模型等) - 环境感知 (目标检测、语义分割、多传感器融合等) - 决策规划 (路径规划、行为预测、运动控制等) 2. 探索和实现前沿的人工智能技术， 如深度学习、强化学习、计算机视觉、自然语言处理等，以提升智能辅助驾驶系统的性能、安全性和可靠性。 3. 设计和开发大规模数据集， 用于训练和评估智能辅助驾驶算法。
1. 针对辅助驾驶的各个场景，协助进行VLM/VLA模型的prompt优化 2. 对于VLM/VLA表现不佳的场景，能够参与到实际项目中，配合并协助做数据收集和处理工作 3. 参与VLM/VLA模型优化方面的工作 4. 对前沿技术感兴趣，能够阅读相关领域文献，保持对前沿技术的敏感性
1. 负责自动驾驶业务场景下的感知算法研发，调研跟进前沿算法，辅助业务落地，包括但不限于： a）激光雷达3D多任务感知，如3D Object Detection，3D Semantic Segmentation， 3D Occupancy Flow Prediction, EndToEnd, World Model等； b）BEV视觉感知和前融合算法，如BEVDet，BEVFusion，Occupancy Network等； c）感知全链路研发，如跟踪，多传感器融合等； 2. 负责自动驾驶数据算法研发，助力数据自动化生产和4D真值构建，包括单不限于： a) SLAM/SFM算法研发； b) 基于Deep Learning的MonoDepth/Multi-View Stereo算法研发； c）NerF相关算法研发； d）大模型AIGC、LMM、NerF、3D Gaussian生成等技术研发； 3. 将相关结果总结沉淀，发表高水平论文 。
1、自动驾驶数据挖掘算法研发：通过语义标签挖掘、向量搜索、深度学习、LLM等手段，针对自动驾驶关键场景进行高效数据挖掘，自动化场景识别、行为识别，构建自动驾驶海量数据集，极大提升端到端自动驾驶算法研发效率 2、自动驾驶数据流程工具研发：开发工具对自动驾驶数据处理平台进行持续监控、分析、可视化，流程涵盖海量车端的数据自动回流，云端大规模数据挖掘与清洗，算法辅助数据标注等环节，深入理解并改进自动驾驶数据处理流程
THE ROLE 作为储能超级工厂产品成功下线前的关键工程师角色，储能测试工艺工程师将负责Megapack在装配区域的现场测试工艺管理与技术支持。你将深度参与从测试程序与设备导入、测试流程优化、测试问题分析与闭环，到测试良率持续提升的全过程。该岗位在研发、制造与质量三大职能之间扮演桥梁角色，要求对储能产品设计原理、生产工艺及测试技术有全面的理解。通过科学、系统、高效的测试手段，确保储能系统的性能、安全性与一致性，是储能系统在研发验证、量产导入、质量控制中不可或缺的技术力量。 RESPONSIBILITIES职责描述： 深入理解储能系统在电网、工商业、户用等不同应用场景下的测试需求； 熟悉锂电池、液流电池、超级电容等储能系统的测试原理与流程； 负责PCB电路板的功能测试流程，包括关键参数测试（如电压采集精度、信号传输稳定性、通讯接口功能等）； 参与储能系统核心模块（如BMS、PCS、系统集成）的测试工艺开发与优化； 掌握并应用电气测试、电池测试、热测试、性能测试等常见测试方法； 参与测试程序的开发、调试与优化，具备一定脚本或测试软件的使用经验； 熟练使用测试设备（如NI采集卡、可编程电源、示波器、功率分析仪、高精度万用表、负载设备等）； 熟悉常见通信协议（如CAN、LIN、I2C、以太网、RS232、GPIB）的应用与调试； 负责测试流程中的问题分析与跟踪，推动测试良率的持续提升； 配合跨职能团队（研发、制造、质量）协作，确保产品测试与交付质量。 REQUIREMENTS