感知算法工程师

【职位介绍】 1. 我们希望引入具备目标检测、跟踪、轨迹预测或多任务联合建模经验的算法人才，围绕检测、跟踪、预测链路进行端到端建模、特征共享、联合训练和实车落地优化，推动感知算法从单模块优化走向系统级协同优化。 2. 我们希望候选人至少在目标检测、跟踪、预测融合中的一个方向具备较强项目经验，同时愿意在自动驾驶感知链路中向上下游延展。 3. 理想候选人可以是以下类型之一： 1. 检测能力较强，能够进一步参与跟踪和预测融合； 2. 跟踪能力较强，理解检测模型和时序特征建模； 3. 预测或时序建模能力较强，能够参与检测、跟踪、预测链路的联合优化； 4. 具备端到端感知、多任务学习或多传感器融合经验，能够推动跨模块方案落地。 8. 你将获得： 1. 参与自动驾驶核心感知算法从模型研发到实车落地的完整链路； 2. 深入参与 OD、Tracking、Prediction 融合方向的技术演进； 3. 面向大规模真实道路数据进行算法迭代和系统优化； 4. 与感知、预测、规划、系统工程团队紧密协作，推动算法在真实产品中产生效果。 【职位职责】 1. 负责自动驾驶场景下目标检测、多目标跟踪及感知预测融合算法研发； 2. 迭代检测模型的 backbone / neck / head，提升检测精度、鲁棒性与推理速度； 3. 为端到端感知框架提供高质量特征输出，包括 bbox、目标状态、中间层特征及时序特征； 4. 探索基于深度学习的跟踪建模方法，研究 query-based tracking、transformer-based tracking、端到端 MOT 等技术方向； 5. 将检测、跟踪和预测建模为更统一的时序感知问题，提升遮挡、长尾、目标交互等复杂场景下的稳定性； 6. 设计检测、跟踪、预测联合建模方案，研究共享 backbone、特征复用、跨任务梯度回传和多任务 loss 权重自适应等问题； 7. 与预测算法及工程团队对齐接口，为预测模块提供更稳定、更高质量的目标状态、轨迹特征和时序特征输入； 8. 持续分析检测、跟踪、预测链路中的误差传递问题，减少级联误差，提升端到端整体效果； 9. 推动算法在内部数据集、仿真环境及实车系统中的验证、优化与落地。 【任职要求】 1. 计算机、人工智能、自动化、电子信息、车辆工程等相关专业，本科及以上学历； 2. 熟悉主流目标检测算法及工程化实践，如 Faster R-CNN、YOLO 系列、CenterNet、DETR、BEVDet、BEVFormer、Sparse4D 等； 3. 具备目标检测、3D 检测、多目标跟踪 MOT、轨迹预测或多任务学习相关项目经验； 4. 熟悉 PyTorch / TensorFlow 等深度学习框架，具备良好的模型训练、调参、实验分析和问题定位能力； 5. 熟悉 Python / C++，具备较好的算法工程实现能力； 6. 了解自动驾驶感知系统基本流程，熟悉 Camera / LiDAR / Radar 中一种或多种传感器数据处理； 7. 了解检测、跟踪、预测模块之间的协同工作流程，能够从系统链路角度分析算法收益与问题； 8. 具备良好的问题拆解能力、工程落地意识和跨团队沟通能力。 9. 加分项： 1. 有自动驾驶量产项目、实车部署或中间件开发经验； 2. 熟悉 ROS、CyberRT、DDS 或其他自动驾驶中间件； 3. 有 Camera / LiDAR / Radar 多传感器融合经验； 4. 熟悉 MOTR、TrackFormer、MOTA、QDTrack、ByteTrack、OC-SORT 等跟踪算法； 5. 有端到端感知、感知预测联合训练、多任务学习或 transformer 时序建模经验； 6. 有轨迹预测、行为预测、交互建模或时序建模相关项目经验； 7. 熟悉 TensorRT、ONNX、CUDA、模型压缩、蒸馏、量化等部署优化技术； 8. 在自动驾驶、计算机视觉、机器人等方向有高质量论文、竞赛或开源项目经验。 【学历要求】 本科及以上 【硬性专业要求】 计算机相关专业、人工智能相关专业、自动化相关专业、电子信息相关专业、车辆工程相关专业