环境感知算法工程师

局部环境感知模型研发

负责机器人周身局部环境的实时感知，输出可通行区域、障碍物、动态目标等结构化信息，直接服务导航规划与运动控制；

设计并优化多任务感知模型架构，在有限算力下实现语义、几何、运动信息的统一表达；

建立局部感知的量化评估体系（mIoU、检测精度、时延、召回率等），驱动模型持续迭代。

语义分割与场景理解

负责 2D/3D 语义分割、全景分割算法的研发与落地，覆盖室内外复杂场景（楼梯、坡道、玻璃、低矮障碍等机器人特有难点场景）；

推进开放词汇（Open-Vocabulary）分割、视觉基础模型（如 SAM/DINO 系列）在机器人端的轻量化应用；

构建长尾场景的数据闭环：badcase 挖掘、难例挖掘、自动标注、主动学习。

Occupancy 占据感知

研发基于相机/激光雷达/多传感器融合的 Occupancy 占据网络（Occ），输出稠密的 3D 占据状态与语义/运动属性；

探索 4D Occ（含时序与运动预测）、Occupancy Flow 等在动态场景下的表达能力；

解决稀疏视角、遮挡区域、未知类别的占据估计问题，与下游规划模块联合调优占据输出格式与置信度。

动态目标检测与跟踪

负责行人、车辆、动物等动态目标的 3D 检测、多目标跟踪与轨迹预测；

提升动态目标检测在遮挡、密集人流、光照变化等场景下的稳定性，降低漏检与 ID 切换；

输出目标的速度/意图信息，为避障与交互决策提供支撑。

模型部署与工程化

负责模型的压缩与加速：量化、剪枝、蒸馏、TensorRT/ONNX 部署，在边缘平台（Jetson Orin 等）满足实时性要求；

搭建数据采集、标注、训练、评测的全流程 Pipeline，实现模型版本的持续交付；

与建图、规控、嵌入式团队协作，完成实机联调与问题闭环。

硕士及以上学历，计算机、自动化、人工智能、机器人等相关专业；

三年以上深度学习感知算法经验（优秀应届博士可放宽），有机器人、自动驾驶、AR/VR 感知量产项目经验者优先；

扎实的深度学习基础，精通 PyTorch，熟悉常见的分割/检测/多任务模型架构（Transformer、BEV 感知、Point 系列等）；

熟悉以下至少两个方向，并有实际项目产出：

语义/实例/全景分割（SegFormer、Mask2Former、Point Transformer 等）；

Occupancy 感知（SurroundOcc、Occ3D、TPVFormer、FlashOcc 等）；

3D 检测与多目标跟踪（BEVFusion、StreamPETR、ByteTrack、AB3DMOT 等）；

熟悉多传感器标定与融合（相机+激光雷达+IMU），具备多视图几何基础；

工程能力扎实：C++/Python、CUDA 或 TensorRT 部署经验，能独立完成从模型到实机的链路打通；

具备数据驱动思维，能通过数据分析定位模型问题并设计迭代方案。