智能驾驶算法工程师-端到端模型

工作职责：
1.根据不同业务场景，设计、实现并优化从多模态感知（摄像头、LiDAR、毫米波）输入到车辆控制指令输出的全链路 端到端自动驾驶模型；
2.探索并实施基于 Transformer、BEV、Diffusion Model、World Model 等架构的一体化感知–决策–控制方案，以提升系统在长尾场景下的泛化能力 ；
3.构建数据驱动训练流程，开发自动化工具（如针对 corner case 的主动学习策略），提升模型鲁棒性与性能；熟悉 ROS/ROS2、Apollo、Autoware 等自动驾驶开源框架优先 。
4.优化模型实现与部署：模型轻量化、算法在嵌入式平台（如 NVIDIA Orin、TensorRT、ONNX 等）上的实时推理能力提升；
5.搭建仿真与实车测试 pipeline，包括 CARLA、LGSVL 等仿真平台，以及算法在真实车辆上的闭环验证 ；
6.跟踪并融入自动驾驶领域前沿技术（如 Occupancy Networks、NeRF、大模型在自动驾驶中的应用等），推动技术创新应用落地 。
职位要求：
1.计算机、人工智能、自动化、机器人等相关专业硕士及以上学历（985/211），2-5 年端到端自动驾驶算法相关研发经验 ；
2.精通 C/C++ 和 Python 编程，具备良好的算法基础（机器学习、数据结构、优化算法等）；
3.熟练掌握 PyTorch、TensorFlow 等深度学习框架，有模型训练、推理优化与部署工具链使用经验（如 TensorRT、ONNX）；
4.熟悉自动驾驶技术栈：感知（目标检测、语义分割、多传感器融合）、预测/行为预测、规划/轨迹生成等模块；
5.有基于 Transformer、BEV 模型、多传感器融合或世界模型等技术经验者优先 ；
6.有仿真环境（如 CARLA、LGSVL）和实车部署经验优先 ；