美团【北斗】自动驾驶静态感知算法工程师
任职要求
1.超强的研发和解决问题的能力，如在顶会发布相关论文 2.扎实的工程基本功，有独立开发开源项目、参加代码比赛获得奖项的经验 3.Top院校、实验室，相关专业 4.对自动驾驶感兴趣，有实操经验。 岗位亮点： 1.前瞻技术领域下的创新性应用项目，有机会深度参与自动配送车的规模化落地运营； 2.拥有丰富的真实场景，优化各种挑战场景下的建图算法，结合大规模路测数据解决真实问题，通过大量实测获得的数据用于优化建图算法，实现效果和性能的平衡。 3.丰富的数据，有挑战的场景，有学术氛围的团队。 4.数据、算法、业务落地场景闭环。
工作职责
地图的scale up 会是未来1-2年的重点内容，其中关键因素为自动化算法需要承接当前人工制图中大部分功能(例如painted line和不可跨越障碍物等要素) 1.开发静态元素BEV/Occupancy算法，包括模型结构、多帧融合算法、多数据源融合算法以及相关后处理算法 2.建立云端数据自动标注 Pipeline、数据挖掘机制以及难样本分析等工具链持续迭代模型能力。
1.基于数据驱动的闭环能力提升，持续改进当前决策规划的效果； 2.基于即时配送业务场景，为美团自动车提供行为决策、运动规划和控制的解决方案； 主要研究方向：多模态端到端自动驾驶算法、交互博弈、大模型预训练、后训练、强化学习等前沿算法技术等。
自动驾驶算法基础服务团队寻找顶尖人才，解决自动驾驶算法面向未来的架构设计和工程优化的综合性问题 研究方向一：分布式训练系统研究 1.探索现有自动驾驶训练业务的算力效率极限，通过底层硬件和分布式集群/存储优化，结合深度学习框架特性和极致算子性能优化，达到MFU上限。 2.进一步建设自动驾驶模型在千卡规模集群上的训练能力，推动从底层数据存储、分布式通信、自动容灾和大规模分布式训练系统的迭代更新，支持业务未来的训练需求。 研究方向二：自动驾驶算法基础研究 1.探索自动驾驶算法在训练优化器，高价值数据获取等基础方向的研究，提升跨业务的模型训练能力。 2.与各个算法业务合作，探索自动驾驶领域算力友好的网络结构范式。
1. 端到端自动驾驶建模：参与、设计及实现端到端的自动驾驶建模方法，搭建从传感器数据到行为决策的端到端模型。 2. 多模态大模型在自动驾驶场景中的适配和优化：如：大模型指令微调和策略迭代、开放场景下的目标识别技术等，以适应不同的自驾场景，并提高模型的鲁棒性和泛化能力。 3. 基于生成模型的离线感知能力建设，研发基于扩散模型的场景生成技术和仿真技术。开发离线生成-真实数据闭环系统。
基于数据驱动模型端到端一体化的长期需求，我们寻找有极强的技术信仰与热情，富有好奇心和驱动力的候选人。参与探索自动驾驶面向未来的算法设计和工程优化的综合性问题。 1.探究自动驾驶领域分布式训练的效率极限，通过底层硬件和分布式集群/存储优化，结合深度学习框架特性和极致算子性能优化，达到MFU上限。 2.基于VLM、LLM等大模型技术和无人配送的业务特点，探索自动驾驶新一代的模型结构范式，推动自动驾驶技术的进一步发展。