VLA大模型智驾算法工程师/专家

岗位职责
1.负责基于 VLA（视觉 - 语言 - 行动）、VLM/LLM 大模型的自动驾驶核心算法研发，聚焦多模态数据（图像、文本、传感器信号）对齐、融合与模型训练 / 微调，攻克时空一致性、场景理解等关键技术难题；
2.主导或核心参与端到端自动驾驶系统开发，覆盖感知增强、轨迹预测、路径规划、决策控制等核心任务，适配城市 NOA、无图驾驶等复杂智驾场景；
3.负责 VLA 大模型的工程化落地，包括大规模分布式训练（DeepSpeed/FSDP）优化、车端嵌入式平台（TensorRT/ONNX Runtime）适配、模型量化 / 剪枝等推理性能优化；
4.搭建多模态数据处理 pipeline，涵盖数据集（nuScenes/Waymo 等）清洗、标注、增强，支撑模型迭代与算法效果验证；
5.跟踪 RT-2、OpenVLA 等主流 VLA 模型前沿技术，结合业务场景进行技术创新与落地，提升智驾系统的泛化能力与安全性；
6.参与智驾算法量产项目交付，协同测试、工程团队完成实车调试、问题定位，保障算法满足量产指标；
7.（专家岗额外）主导技术方案设计、跨团队技术协作，培养算法团队核心能力，推动前沿技术在智驾领域的产业化应用。
任职要求
1. 基础条件
•学历：本科及以上学历（专家岗优先博士），计算机科学、人工智能、机器人学、自动化、车辆工程等相关专业；
•经验：工程师岗 3 年 +、专家岗 5 年 + 自动驾驶 / 机器人领域算法研发经验，有 VLA/VLM 大模型或端到端智驾项目经验者优先。
2. 核心技术能力
•模型理论：精通 VLA/VLM/LLM 模型架构与训练逻辑，深入理解多模态数据融合、对齐技术；掌握模仿学习、强化学习、Diffusion Models 等算法，清楚其在自动驾驶场景的应用逻辑；
•工程能力：熟练运用 Python，专家岗需掌握 C++；精通 PyTorch 深度学习框架，熟悉 DeepSpeed/FSDP 等分布式训练工具；具备模型量化、剪枝、TensorRT/ONNX Runtime 推理优化能力；
•场景与数据：熟悉 nuScenes、Waymo 等主流自动驾驶数据集，能独立搭建数据处理流程；理解自动驾驶感知、决策、规划核心任务，具备复杂交通场景算法适配能力；
•工具与系统：熟悉传感器融合（LiDAR/Camera）或 ROS 系统，具备实车调试、问题定位能力。
3. 项目经验
•有端到端自动驾驶或机器人领域 VLA 大模型训练、微调及落地经验；
•具备大规模（千亿参数级）大模型训练优化或车端嵌入式平台适配经验；
•参与过城市 NOA、无图驾驶等智驾量产项目，有完整的算法研发 - 交付闭环经验。