崗位職責(zé):
1. 算法研發(fā)與創(chuàng)新
- 主導(dǎo)BEV(鳥(niǎo)瞰圖)+Transformer架構(gòu)的視覺(jué)感知算法開(kāi)發(fā),實(shí)現(xiàn)多攝像頭時(shí)序特征融合與三維空間建模,支持城市道路、高速場(chǎng)景下的障礙物檢測(cè)、車道線識(shí)別、可行駛區(qū)域分割等核心功能。
- 設(shè)計(jì)端到端感知模型,結(jié)合時(shí)序視頻感知與多模態(tài)融合技術(shù),提升復(fù)雜場(chǎng)景(如逆光、雨霧、夜間)下的魯棒性。
- 研究并落地動(dòng)態(tài)物體軌跡預(yù)測(cè)、占用網(wǎng)絡(luò)(Occupancy Network)等前沿技術(shù),支撐自動(dòng)駕駛決策規(guī)劃模塊。
2. 多傳感器融合與工程化
- 負(fù)責(zé)視覺(jué)與4D毫米波雷達(dá)、激光雷達(dá)的前融合算法開(kāi)發(fā),優(yōu)化目標(biāo)級(jí)/特征級(jí)融合框架,降低誤檢率與延遲。
- 推動(dòng)算法在嵌入式平臺(tái)的部署優(yōu)化,實(shí)現(xiàn)模型量化(如INT8)、TensorRT加速及實(shí)時(shí)性保障。
- 參與傳感器聯(lián)合標(biāo)定、數(shù)據(jù)閉環(huán)體系搭建,通過(guò)仿真測(cè)試與實(shí)車驗(yàn)證持續(xù)迭代算法性能。
3. 系統(tǒng)優(yōu)化與質(zhì)量保障
- 建立感知算法的量化評(píng)估體系,包括精度指標(biāo)(如mAP、NDS)、延遲、資源消耗等,推動(dòng)算法效率與準(zhǔn)確率的平衡。
- 主導(dǎo)算法的故障注入測(cè)試、邊界條件驗(yàn)證,確保系統(tǒng)符合ISO 26262功能安全要求。
- 與硬件團(tuán)隊(duì)協(xié)同優(yōu)化傳感器配置方案,降低系統(tǒng)成本并提升感知性能。
任職要求:
1. 技術(shù)能力
- 精通計(jì)算機(jī)視覺(jué)核心技術(shù),包括目標(biāo)檢測(cè)(YOLO、Faster R-CNN)、語(yǔ)義分割(Mask R-CNN、SegFormer)、3D視覺(jué)(單目/多目深度估計(jì))等,熟悉BEV+Transformer模型的原理與實(shí)踐。
- 具備多傳感器融合經(jīng)驗(yàn),熟悉卡爾曼濾波、粒子濾波、貝葉斯網(wǎng)絡(luò)等狀態(tài)估計(jì)方法,掌握ROS通信框架與傳感器標(biāo)定流程。
- 熟練使用C++/Python編程,精通PyTorch/TensorFlow框架,熟悉模型壓縮、量化與部署工具鏈(如TensorRT、ONNX Runtime)。
2. 項(xiàng)目經(jīng)驗(yàn)
- 至少3年以上自動(dòng)駕駛感知算法研發(fā)經(jīng)驗(yàn),主導(dǎo)過(guò)BEV感知、多傳感器融合、端到端模型等項(xiàng)目,有量產(chǎn)項(xiàng)目經(jīng)驗(yàn)者優(yōu)先。
- 具備毫米波雷達(dá)或激光雷達(dá)算法開(kāi)發(fā)經(jīng)驗(yàn),了解其信號(hào)處理與點(diǎn)云特征提取原理。
3. 素質(zhì)與潛力
- 具備強(qiáng)邏輯思維與問(wèn)題解決能力,能快速定位并解決算法在實(shí)車測(cè)試中的長(zhǎng)尾問(wèn)題。
- 對(duì)技術(shù)前沿敏感,持續(xù)跟蹤自動(dòng)駕駛領(lǐng)域的最新研究(如多模態(tài)大模型、神經(jīng)輻射場(chǎng)),推動(dòng)技術(shù)創(chuàng)新與落地。
? 職業(yè)發(fā)展:雙通道晉升體系(技術(shù)專家/管理)
技術(shù)棧與工具鏈
? 核心算法:BEVFormer、DenseBEV、LSS、YOLOv5/6、Mask2Former。
? 框架與工具:PyTorch、TensorFlow、OpenCV、TensorRT、CARLA仿真平臺(tái)。
? 硬件平臺(tái):高通、TI TDA4VM