资深城市NOA感知算法工程师

- 核心算法研发： 负责NOA感知核心算法的开发与迭代，包括但不限于：BEVOD、BEVMAP、OCC等 BEV大模型。

- 量产工程部署： 负责感知模型在车载嵌入式芯片（如地平线J5/J6、M55/M57、QC8775/QC8650、Nvidia 等）上的移植、量化、剪枝与性能优化，确保算法满足量产车型的算力限制与严格的实时性要求。

- Corner Case攻坚： 深度参与前视感知算法的量产落地周期，解决实际复杂路况、恶劣天气及海量泛化测试中暴露的长尾问题（Corner Case），提升系统的鲁棒性与安全性。

- 跨部门协同交付： 与传感器硬件、多模态融合、规控（Planning & Control）及测试团队紧密配合，完成感知模块在实车上的联调、标定与最终交付。

- 数据闭环建设： 协助搭建与优化数据闭环链路，利用量产回传数据进行主动学习、自动标注与模型的快速自动化迭代。

- 教育背景： 计算机科学、软件工程、自动化、电子信息、车辆工程等相关专业，统招本科及以上学历。

- 核心经验（硬性要求）： 3年以上自动驾驶/ADAS视觉感知研发经验，必须完整参与过至少1款UrbanNOA/HighwayNOA量产车型BEV大模型感知的定点到SOP（量产交付）全流程。

- 算法基础： 具备扎实的计算机视觉和深度学习功底，熟练掌握 PyTorch / TensorFlow 等主流框架；深刻理解常见的 YOLO系列、Transformer、BEV 、CenterNet、Occ等主流视觉网络结构。

- 工程与编程能力： 代码基本功扎实，精通 C/C++ 与 Python，熟悉 Linux 操作系统，具备优秀的工程代码架构设计能力与严谨的编码规范。

- 端侧部署经验： 熟练掌握 TensorRT、ONNX 等推理框架，具备丰富的模型轻量化（量化、剪枝、蒸馏）经验；精通至少一种主流车规级AI芯片（NVIDIA, 地平线, 高通等）的底层硬件架构及算子级优化。

- 软性素质： 对技术有纯粹的热情，具备极强的抗压能力和责任心，能够适应量产交付阶段的快节奏与高强度；具备良好的跨部门沟通与团队协作能力。

加分项（Preferred Qualifications）：

- 具备视觉与毫米波雷达（Vision + Radar）或激光雷达的前融合/后融合量产经验。

- 有成熟的主动学习（Active Learning）或大模型（如SAM、多模态大模型）在自动驾驶数据闭环落地经验。

- 曾在 CVPR、ICCV、ECCV 等会议发表过相关高质量论文，或在知名视觉算法竞赛中获得过名次。