小米算法验证工程师实习生

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、负责快手新一代视频自适应处理和编码模型的设计和迭代； 2、精细化设计和实现多场景视频生产和消费策略方案（直播/点播、国内/海外等），保障线上音视频成本可控，同时为用户提供极致的播放体验。

-负责ApolloL4级别城区行车、泊车场景下自动驾驶系统决策、路径规划和运动控制算法的开发和调试 -负责规控算法的仿真测试及实车调试验证，协助完成规控算法的迭代及优化 -负责前沿算法的调研 -掌握前沿算法的开发及落地

岗位职责： 我们正在寻找充满热情、富有创造力的空间重建与生成算法实习生，加入我们的前沿技术研发团队。您将专注于开发先进的空间重建与生成算法，构建下一代空间智能技术并赋能于多领域创新应用场景。 主要职责包括但不限于： 1. 协助团队完成 空间重建与生成 相关算法的预研与实现； 2. 在mentor指导下，参与视频理解与生成、视频切分、空间语义理解、空间重建等模块的开发与测试； 3. 负责多模态数据（图像/视频/点云）的标注、清洗与小规模数据集搭建； 4. 撰写实验记录与技术报告，输出可复现的实验流程与结果； 5. 跟进前沿论文与开源项目，协助完成小规模原型验证。