小米自动驾驶-机器人算法实习生
任职要求
1. 具备一定的科研背景：在自动驾驶、机器人相关的感知算法（包括BEV感知，Lidar 3D Detection/Segmentation，Occupancy Network，End2End, 多传感器融合，WorldModel，3D Gaussian，NerF，Stable Diffusion生成，单目/多目深度估计，三维重建，LMM, VLA等 AIGC大模型）中的一个或多个领域有过深入研究的经历； 2. 有过相关领域的会议论文发表（CVPR、ICCV、ECCV等等）； 3. 相关领域有国内知名实验室、企业实…
工作职责
1. 参与自动驾驶、机器人方向，研发前沿多模态语言大模型(VLM，VLA)相关算法，发表国际顶级论文。 2.参与多模态理解&3D生成式（3DGS,NeRF,VGGT）等算法、LLM/VLM/AIGC等方向的前沿技术，重点关注生成式、大语言模型和多模态模型Evaluation/SFT/Agent/数据合成技术等相关方向。 3. 参与WorldModel，空间智能，End2End，VLA等方向的研究。
1. 参与自动驾驶、机器人方向，端到端、前沿多模态语言大模型(VLM，VLA)等相关算法的研发。 2. 参与多模态理解&3D生成式（3DGS,NeRF,VGGT）等算法、LLM/VLM/AIGC等方向的前沿技术，重点关注生成式、大语言模型和多模态模型Evaluation/SFT/Agent/数据合成技术等相关方向。 3. 参与WorldModel，空间智能，End2End，VLA等方向的研究。
1、模型复现与实现：复现当前主流的开源VLA模型(如GR00T/ π0.5/SmoIVLA/WALL-OSS等)，确保算法正确性和性能。 2、系统集成与测试：将VLA模型集成到公司机器人平台，设计并执行测试方案，评估模型在真实环境中的感知、推理与执行能力。 3、算法优化与创新：针对机器人具体应用场景，对VLA模型进行微调、优化及创新，提升其在复杂环境下的适应性和鲁棒性。 4、多模态数据处理：处理视觉、语言和动作数据，构建和优化训练数据集，支持模型的训练和评估。 5、技术跟踪与报告：跟踪VLA领域的最新研究进展，撰写技术报告，并参与团队技术讨论与分享。
我们正在寻找一位热衷于自动驾驶/机器人领域有浓厚兴趣的实习生。根据个人技术栈能力和意愿, 有以下几个工作方向可以选择： 1、参与优化传感器在线标定算法的精度及运行效率； 2、探索结合NeRF/3D GS等深度学习方法, 研究开发高精度的离线自然场景标定； 3、参与设计开发通用的非线性优化库, 解决Ceres Solver的架构设计局限性及效率问题；
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 。