工作职责： 1.自动驾驶感知算法研发及落地：参与自动驾驶静态感知（如车道线、路沿、交通标志等）相关算法的开发、优化及工程化落地。 2.BEV 感知与多任务学习（Multi-task Learning）：研究 BEV 感知方法，优化基于 BEV 的检测、分割、深度估计等任务，并探索多任务学习框架的应用。 3.静态感知数据闭环：参与数据真值构建、自动标注、数据挖掘及数据闭环优化，提高模型在长尾场景下的表现。 4.模型优化与加速：研究量化（QAT/PTQ）、蒸馏、剪枝等模型优化方法，提升感知模型的推理速度和部署效率。 5.技术调研与创新：跟踪前沿研究，调研自动驾驶领域的最新感知算法，并推动技术落地与应用。 任职要求： 1.编程能力：熟练掌握 Python/C/C++，具备良好的编码能力，熟悉 OpenCV 及常用图像处理方法。 2.深度学习基础：掌握深度学习基础知识，熟悉 ResNet、Transformer、BEVFormer、VoxelNet、YOLO、Mask R-CNN 等经典网络结构。 3.框架与工具：熟悉 PyTorch、TensorFlow、MMDetection、OpenMMLab 相关工具，能进行模型训练、调优与部署。 4.算法基础：熟悉计算机视觉（目标检测、实例分割、语义分割）、3D 感知（点云处理、BEV 表达）、时序建模（Transformer/RNN）等相关技术。 增益项（以下任一项加分）： 有 BEV 感知、多任务学习、Transformer 相关研究或项目经验； 具备自动驾驶感知算法落地经验，熟悉 BEVFusion、BEVDet、BEVFormer 等方法； 熟悉 CUDA 编程、TensorRT 加速，有深度学习模型优化（量化、剪枝、蒸馏）经验； 有自动驾驶相关开源项目贡献，或在 CVPR、ICCV、NeurIPS、TPAMI 等顶级会议/期刊发表过论文。