算法工程师（三维重建方向）_XC

打造面向自动驾驶的下一代数据与仿真引擎，探索 3D Gaussian Splatting、神经渲染与生成式 AI 在真实道路场景重建、仿真视频生成与闭环评测中的落地应用。 参与从真实路测数据重建、可控场景编辑、动态目标建模，到仿真引擎集成与自动驾驶算法验证的完整链路研发，推动 3DGS 技术真正服务于 ADAS / 自动驾驶系统的数据生产、场景泛化与闭环评测。 设计与实现基于 3D Gaussian Splatting / Neural Rendering 的自动驾驶场景重建算法； 研究大规模道路场景中的多传感器重建、相机轨迹优化、几何一致性、时序一致性与渲染质量提升方法； 构建面向 LogSim / WorldSim 的 3DGS 仿真资产生产链路，支持真实道路场景的高保真复现与可控编辑； 研究动态目标重建与插入、车道级场景编辑、天气 / 光照 / 材质变化等场景泛化能力； 推动 3DGS 结果与仿真引擎、自动驾驶感知 / 规划系统集成，实现从重建、渲染到闭环评测的数据闭环； 优化 3DGS 训练、渲染与推理效率，支持大规模场景生产与工程化部署； 与感知、规划、仿真、数据生产团队协作，将重建与生成式仿真数据用于算法训练、验证与性能评估。 Job

硕士及以上学历，计算机科学、人工智能、电子信息、自动化、测绘、机器人等相关专业； 熟悉 PyTorch / CUDA / Python / C++ 等深度学习与图形学相关开发工具； 具备 3D Gaussian Splatting、NeRF、Neural Rendering、3D Reconstruction、SLAM、SfM、MVS 中至少一类相关研发经验； 理解相机模型、多视图几何、三维重建、坐标变换、位姿优化、Bundle Adjustment 等基础理论； 熟悉自动驾驶场景数据处理流程，能够处理相机、LiDAR、IMU、GNSS 等多传感器数据者优先； 具备较强的工程落地能力，能够将算法原型转化为稳定、可规模化运行的生产链路； 具备良好的问题分析能力，能够针对重建质量、动态目标、跨视角一致性、渲染伪影等问题进行系统性优化。 加分项 熟悉 3DGS、Street Gaussian、PVG、EmerNeRF、UniSim、DriveDreamer、Cosmos、World Model 等相关方向； 有自动驾驶仿真、LogSim、WorldSim、闭环仿真、SIL / HIL、Unreal Engine、Omniverse、Isaac Sim 等项目经验； 有道路场景重建、城市级重建、动态场景重建、可编辑仿真资产生产经验； 熟悉 CUDA 加速、实时渲染、分布式训练、模型压缩与推理优化； 参与过开源项目，或在 CVPR / ICCV / ECCV / NeurIPS / ICLR / ICRA / IROS / SIGGRAPH 等会议发表论文； 具备自动驾驶感知、BEV、Occupancy、4D Label、数据闭环、corner case 生成等相关经验