小米静态感知(红绿灯方向)算法工程师
任职要求
1. 熟练掌握Python/C++语言及运用, 熟练掌握Pytorch运用及原理，扎实的深度学习与算法知识； 2. 在自动驾驶感知算…
工作职责
1. 自动驾驶深度学习方向感知算法研发； 2. 研发3D目标检测，车道线/道路拓扑，红绿灯感知模型； 3. 研发视觉BEV感知以及多模态前融合算法； 4. 研发多任务模型优化，模型网络结构优化算法； 5. 跟进前沿算法，研发端到端自动驾驶感知预测one model模型，World Model等算法； 6. 感知多模态融合与多目标跟踪算法技术研发；
1. 自动驾驶端到端模型研发； 2. 研发红绿灯端到端模型； 3. 研发静态感知车端、云端策略； 4. 研发在线建图、众包建图、label4d产线等任务;
1. 负责自动驾驶场景下在线局部地图构建功能的研发和优化，包括但不限于车道线，停止线，红绿灯，roadmarker等静态元素的几何重建和拓扑关系的构建； 2. 负责自动驾驶场景下实时轻图融合算法的设计实现与开发维护工作，包括但不限于感知和HQ或LD等轻地图先验的匹配融合框架，提供准确稳定全场景的环境理解能力。
1、参与自动驾驶静态要素（如红绿灯、箭头、地面标识、车道线、路沿等）的云端自动标注系统研发，助力真值系统构建与感知系统的高效数据生产； 2、探索大模型（如多模态/视觉语言模型）在地图Agent中的应用，推动静态要素自动标注流程的泛化能力、理解能力与自动决策水平； 3、研究corner case的发现与筛选方法，结合分布建模、异常检测、大模型语义理解等手段，提升自动标注系统的质量与鲁棒性； 4、协助构建从数据采集、挖掘、标注、训练、部署到badcase回归的高效闭环体系，实现自动标注系统的迭代优化； 5、参与核心算法或模型的原创设计与工程落地，包括模型压缩、评测体系构建、性能调优等任务。
1. 负责研发面向高精度静态环境感知的端到端深度学习模型，重点覆盖交通信号灯（红绿灯）、交通标识、车道线、路缘、静态障碍物等关键元素的检测与识别。 2. 构建并优化基于多传感器（摄像头、激光雷达、高精地图）融合的静态场景感知算法，确保在复杂城市道路、隧道、强光/弱光等极端场景下的鲁棒性。 3. 主导红绿灯的状态识别（颜色、闪烁、倒计时）及空间定位算法研发，解决小目标检测、遮挡、动态背光等关键技术挑战。 4. 设计端到端模型架构（如BEV感知、Transformer-based模型），实现从原始数据到结构化静态场景输出的高效映射。