一、感知资深/专家算法工程师1. 设计高效可靠的深度学习模型，在几十毫秒内精确检测和跟踪车周围200米之内所有的障碍物（人，车，非机动车辆，交通锥等），并对场景进行理解2. 如何设计一般性的模型和算法去处理各式各样的长尾情况和极端环境，如路面上的垃圾袋，洒水车的水花，前车掉下来的挡板 ，如大雨，大雪，雾霾，风沙等3. 如何保证感知模型和算法在极端的环境里的准确性和可靠性，如大雨，大雪，雾霾，风沙等4. 把模型优化到极致，让十几个到几十个模型在车上有限的计算资源上欢快的运行5. 如何搭建一个高效可靠的计算框架，支撑一个周期内接收几十个传感器的输入，做各种同步融合，并进行几十个深度学习模型的推理二、感知 Manager 和 Tech Lead的职责 你需要的带领一个团队去解决感知一个领域的问题，并把解决方案变成可用可靠的产品。你需要负责这个团队的建设，例如招聘，鼓舞士气，帮助员工成长等。同时，你还需要自己或者帮助你的manager进行团队成员的绩效考核。任职要求1、符合感知工程师至少一个方向的条件（请参见职位“感知软件工程师 -- 机器学习和算法方向”，“感知软件工程师 -- Infra方向”，“感知软件工程师 -- Tracking方向”）2、具有服务团队，并帮助团队以及团队成员成长的意识。3、有至少两年带领团队做项目的经验，具有把想法快速变成产品的能力。4、有很好的项目管理的能力，能制定合理计划，并具有很强的执行力。5、有很好的沟通能力，有很好的跨组协作能力。6、具有强烈的自我驱动能力对无人驾驶真正的 believe 三、感知模型优化算法工程师工作职责关于感知方向 感知是无人驾驶中非常复杂和有趣的部分之一，你构建的是一个人工智能集大成的系统，不是一项按部就班就能完成的工作！感知软件工程师负责无人驾驶感知系统的设计和实现，应对无人驾驶中各种最有挑战的问题：1. 设计高效可靠的深度学习模型，在几十毫秒内精确检测和跟踪车周围200米之内所有的障碍物（人，车，非机动车辆，交通锥等），并对场景进行理解2. 如何设计一般性的模型和算法去处理各式各样的长尾情况和极端环境，如路面上的垃圾袋，洒水车的水花，前车掉下来的挡板 ，如大雨，大雪，雾霾，风沙等3. 如何保证感知模型和算法在极端的环境里的准确性和可靠性，如大雨，大雪，雾霾，风沙等4. 把模型优化到极致，让十几个到几十个模型在车上有限的计算资源上欢快的运行5. 如何搭建一个高效可靠的计算框架，支撑一个周期内接收几十个传感器的输入，做各种同步融合，并进行几十个深度学习模型的推理关于感知Infra方向 感知infra构建感知系统的基石，包括但不限于：搭建高效可靠的计算框架；实现模型的inference engine并对模型进行优化；建立精确稳定高效的评估系统；搭建高效好用的训练框架等。 任职要求- 熟悉模型推理优化基本原理，例如混合精度训练、模型量化、知识蒸馏、剪枝优化等- 熟悉AI模型编译优化技术 ，例如TensorRT，TVM，MindAKG，Cuda内核，Intel AVX，NEON SIMD，MLIR等- 熟练掌握一种机器学习引擎框架，如TensorFlow、PyTorch等 - 丰富的Linux/Unix系统C++、Python开发经验，熟悉多线程，内存管理，及设计模式- 能够主导完整的技术开发流程，包括定义需求，设计，实现，测试和部署，具有良好的沟通能力、判断力、数据分析能力、执行力，自我驱动- 有较强的沟通协调能力，能够很好的组织协调多部门将方案推进落地加分项：- 具有分布式系统相关项目经历，复杂系统软件的设计能力和调试能力，熟知常见的设计模式和架构的trade-off；- 熟悉GPU体系架构，精通CUDA，精通cuDNN，在深度学习计算框架等领域有丰富优化经验者优先；- 有QNX safety上模型部署的经验四、自动驾驶算法（大模型方向）工程师工作职责探索大模型在自动驾驶领域的应用，参与下一代自动驾驶算法研发和落地。 Responsibilities:- 探索前沿的多模态大模型在无人驾驶领域的应用 - 负责相关领域的数据收集、清洗、送标工作- 设计、调试并训练自动驾驶领域的大模型- 开发模型评估模块,并进行模型性能评估- 研究模型压缩、优化技术,进行部署和加速- 持续跟踪行业进展,提升团队在该领域的技术能力任职要求- 熟悉transformers、大模型等***,有相关项目经验优先- 熟悉PyTorch, TensorFlow等深度学习框架- 良好的团队协作能力- 熟悉业内主流大模型原理,训练/fine-tune策略,数据pipeline等- 创新性强,有良好的动手实现能力,对自动驾驶行业有热情五、深度学习算法专家/工程师工作职责131. 基于深度学习打造不依赖高精度地图的定位和实时地图系统，包括模型设计、训练、部署，车上系统反馈和形成数据闭环2. 设计和构建深度神经网络模型，用于对传感器数据进行特征提取、数据融合和位置估计3. 处理和分析大规模的自动驾驶系统相关的Camera、Lidar、GPS和IMU等各种传感器数据，利用深度学习技术进行特征提取、数据建模和预测分析4. 进行深度学习模型的调优和调参，以提高模型的性能、效率和鲁棒性任职要求1. 熟练掌握C++、Python中至少一种语言，有较好的深度学习功底和工程素养2. 深刻理解深度学习相关知识，有大规模深度学习模型训练部署实践经验者优先3. 熟悉地图定位相关传感器数据处理和融合技术，有自动泊车、地图生产和融合定位等项目经验者优先4. 热爱自动驾驶行业，勇于探索，挑战高精地图领域最前沿的技术问题5. 积极主动，善于发现并解决问题，有良好的沟通能力和团队意识SLAM算法工程师工作职责1361 计算机、自动化、电子工程、导航工程、地理信息系统、遥感、测绘等相关专业本科及以上学历，硕士及以上优先61 良好的数学、算法基础以及编程经验，熟悉C++或Python61 熟悉Linux系统环境下的操作和开发61 能够在充满未知因素和快节奏的环境中工作，结果导向61 踏实勤奋、积极主动、好学上进，有团队合作精神61 逻辑清晰，具有良好的表达与沟通能力61 有高水平会议、知名期刊论文发表者优先61 有自动驾驶、机器人、无人机背景者优先任职要求13具有下列至少一项背景或经验，有多项匹配者优先：61 导航定位，基于隐马尔科夫模型(HMM)的地图匹配61 基于IMU、轮速计等传感器的高精度车辆航位推算(Dead Reckoning)61 3D计算机视觉、SLAM、VIO。熟悉SLAM相关软件或代码库：ROS、Eigen、Ceres、g2o、GTSAM等至少一种61 机器学习算法理论及实践，包括深度学习（熟悉主流框架，TensorFlow、Torch、MXNet等至少一种）、经典机器学习算法（GBDT、SVM等）。有图像、视频、点云等视觉数据的检测、识别、分割等项目经验更佳61 机器人学、状态估计理论、实时多传感器数据处理和融合（GNSS、IMU、轮速计等）、EKF/PF/UKF等滤波技术
