小米自动驾驶模型部署优化工程师（实习）

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)

1.负责机器人导航定位算法研发，包括卫星导航、视觉或激光SLAM、组合导航； 2.负责机器人视觉建图与渲染、全局视觉定位算法研发，包括视觉特征检测与匹配、相机姿态估计、多视几何重建、稠密点云重建、神经场渲染； 3.负责机器人控制、规划与调度算法研发； 4.负责机器人算法在嵌入式平台加速与优化； 5.负责机器人无线通信算法研发；6.负责机器人电机驱动算法研发； 7.负责低空物流无人配送领域机器学习、数据挖掘、仿真建模算法研发。

1、负责动态图优化、算子优化，Auto-Tuning、量化训练、模型推理部署、大模型训练等，提升训练的性能，降低算法的在线时延； 2、研发自动驾驶的高性能推理系统框架，支持GPU/CPU的异构推理； 3、追踪自动驾驶行业和深度学习技术的最新进展，力争打造菜鸟无人驾驶系统，开创未来无人物流的新格局。

1. 参与预训练AI大模型的研发，微调和部署，包括功能实现，性能优化，和部署应用等； 2. 负责以视觉大模型/语言大模型为核心的多模态感知与开放词汇识别，负责问题的梳理定义、数据的搜集整理、模型的训练部署等工作； 3. 探索自动驾驶领域的AI大模型方案以及和传统方案的结合，并撰写相关论文，专利。