小米静态感知算法工程师

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；

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。

职位描述 我们正在寻找一位专注于端到端静态感知算法工程师，负责智能辅助驾驶环境认知和导航参考线功能。该职位将直接参与智能辅助驾驶核心算法的开发与优化，推动智能辅助驾驶技术的落地应用。 主要职责 1. 动态目标预测后处理 - 负责对动态目标（如车辆、行人、自行车等）的轨迹预测结果进行后处理优化，确保轨迹的平滑性、物理可行性和动态一致性。 - 设计并实现基于运动学和动力学约束的轨迹优化算法，包括但不限于Jerk优化、加速度连续性约束、曲率约束、碰撞避免等，以提升轨迹的合理性。 - 结合预测模型输出的目标状态（如位置、速度、加速度）、轨迹分布和意图（如变道、转弯、停车），以及静态环境信息（如车道线、交通标志、路缘石），进行后处理优化。 2. 算法开发与实现 - 开发和实现高效的轨迹后处理算法，确保其满足实时性要求。 - 使用C++/Python等编程语言实现算法，并集成到自动驾驶系统中。 3. 跨团队协作 - 与感知、预测、规划团队紧密合作，确保轨迹后处理模块与其他模块的无缝集成。 - 支持实车测试，解决实际应用中的问题。

自动驾驶： 1、负责自动驾驶动态目标感知算法设计和优化，包括但不限于3D目标检测与跟踪、图像/点云语义分割、物体动静态估计、Radar融合以及相应的数据挖掘与仿真算法； 2、静态感知模块研发，包括但不限于各类静态障碍物检测跟踪、地图元素识别及其矢量化/语义化/拓扑化、可行驶区域/BEV分割/OccupancyNetwork及针对真实世界中OpenVocabulary的众包地图大模型研发； 3、感知基础算法研发，包括但不限于时序多模态等基础感知模块，大规模多模态预训练算法，室外大范围动静态场景重建与编辑技术，基于（可提示）交互式智能标注系统等。