核心职能 1. 地图要素自动化提取：负责高精地图中静态要素（如红绿灯、车道线、POI、AOI边界）的识别与矢量化，重点研究利用视觉大模型（VLMs）提升提取精度与召回率。 2. 上下车点场景感知：专注于上车点/下车点周边的环境语义识别（如禁停区域、可通行区域、复杂路口），通过视觉算法理解物理世界的交通规则。 3. 地理围栏构建（Geofencing）：基于感知结果，参与地图要素的空间拓扑构建与地理围栏绘制，确保自动驾驶车辆在上下客区域的安全性与合规性。 岗位职责 1. 利用深度学习/CV技术，处理街景图像、卫星影像数据，研发针对上车区域、禁停区域的自动化识别算法。 2. 参与多模态大模型在地图生产中的应用，探索从图像到矢量数据（Vectorization）的端到端解决方案。 3. 负责相关算法的数据清洗、模型训练、评测及迭代优化，协助团队将算法集成到自动化产线中。 任职要求 1. 学历与时间：硕士在读（2026届或者2027届毕业生，即明年或后年毕业） 2. 编程与框架：扎实的Python编程基础；熟练使用 PyTorch；熟悉 OpenCV 等图像处理库。 3. 核心技术： ○ 具备计算机视觉（CV）或自动驾驶感知相关项目经验（如目标检测、语义分割、实例分割）。 ○ 熟悉 Transformer 架构，了解 SAM、YOLO、Mask2Former 等主流视觉模型。 ○ 有大模型（LLM/VLM）微调、Prompt Engineering 或 RAG 相关经验者优先。 4. 加分项： ○ 有 CUDA/并行计算 优化经验，或熟悉 Spark/Hadoop 处理大规模数据。 ○ 在 CVPR、ICRA、ECCV 等顶级会议发表过论文，或 Kaggle、Waymo 挑战赛获奖经历。 ○ 熟悉 SLAM、多视图几何（Multiple View Geometry）或三维重建技术。 ase地点： 上海/杭州，上海优先。