小米顶尖应届-自动驾驶算法优化工程师-汽车
任职要求
1.熟悉主流自动驾驶算法，熟悉CNN，Transformer以及优化架构原理; 2.有AutoML、模型量化，蒸馏等相关经验; 3.熟悉Python开发、算法和数据结构; 4.具备扎实的研发功底，有在相关领域（IJCV、PAMI、CVPR、ICCV、ECCV、NIPS、AAAI 等）发表论文者优先； 在相关领域竞赛（ImageNet、COCO、Kitti、Waymo、nuScenes等等）中取得较好成绩者优先。
工作职责
1.承担自动驾驶通用算法的前沿研发工作，运用算法-硬件协同设计、网络结构深度优化、训练流程加速、模型量化压缩等先进通用技术，为业务团队精心打造并提供高效的训练部署最优方案与实践经验，助力业务高效推进。 2.专注于模型轻量化结构的创新设计与性能雕琢，研发在效果、模型大小、计算量以及功耗等综合性能方面均位居业界前列的预训练模型，引领技术发展潮流。 3.投入模型加速领域的研发，涵盖模型量化、模型压缩、模型剪枝、模型蒸馏、网络架构搜索与创新设计等关键方向，确保模型在效果与运行速度上达到最佳平衡，满足车端需求。 4.开展模型架构的深度探索，包括但不限于Scaling Law、MoE、Transformer、高效训推框架以及基座模型训练等前沿领域，开拓技术边界，为自动驾驶技术突破提供核心支持 。 【课题名称】 基础算法研发 【课题内容】 探索基础算法，为自驾模型升级、迭代，压缩算法迭代周期，提供基础算法和平台。
1. 负责 高保真仿真场景重建算法和工具开发; 2. 负责 仿真场景数字孪生建设和仿真场景泛化能力建设; 3. 负责 仿真环境Mesh渲染优化、Mesh自动化补全算法开发; 4. 负责 3D资产/场景自动化导入仿真平台，物理属性自动识别工具开发。 【课题名称】 仿真场景高精细度重建 【课题内容】 针对机器人的操作和导航场景, 开发高保真的仿真场景重建算法和工具链, 具体包含: 1. 仿真场景视觉高保真重建 2. 仿真资产物理属性自动还原 3. 资产自动化导入仿真平台, 自动化补全Mesh 4. 仿真环境Mesh渲染优化
1. 基于历史数据构建自动驾驶问题数据库，设计场景标签体系与分类标准； 2. 研发多模态大模型驱动的自动驾驶问题归因算法； 3. 基于问题诊断结果，提出端到端模型优化训练改进建议。 【课题名称】 自动驾驶问题智能诊断（autotriage） 【课题内容】 1. 构建自动驾驶场景认知体系，将真实世界的问题场景标签化； 2. 设计自动驾驶问题的自动化归因机制，建立行业领先的问题分析范式。
1. 参与研究与开发融合视觉与语言理解的端到端自动驾驶新范式； 2. 负责视觉语言大模型（VLA）相关算法的设计、实现与优化，提升模型的环境感知、决策规划能力； 3. 探索如何利用VLA增强自动驾驶系统的泛化能力及人机交互的自然性； 4. 参与相关数据集的构建、处理以及模型在真实场景中的部署与测试； 5. 跟踪VLA及相关领域（多模态学习、大模型等）的前沿技术动态； 6. 发表高水平论文至国际顶会顶刊，参加相关领域的国内外顶级学术会议。 【课题名称】 自动驾驶VLA大模型预研 【课题内容】 探索融合视觉语言行为大模型（VLA）至端到端自动驾驶的新范式，实现更强的自动驾驶泛化能力和更自然的交互方式。
1. 规控算法根据道路环境以及实时交通情况，决定和控制自动驾驶车辆如何行驶； 2. 高性能、高可靠性的规控算法架构设计与实现； 3. 高精度、高性能的计算几何与数值计算算法开发与优化； 4. 在行为预测、驾驶决策等方面通过机器学习算法提升自动驾驶车辆的能力和表现。 【课题名称】 L3自动驾驶关键技术研究-决策规划算法 【课题内容】 1. 规控算法根据道路环境以及实时交通情况，决定和控制自动驾驶车辆如何行驶； 2. 高性能、高可靠性的规控算法架构设计与实现； 3. 高精度、高性能的计算几何与数值计算算法开发与优化； 4. 在行为预测、驾驶决策等方面通过机器学习算法提升自动驾驶车辆的能力和表现。