端到端算法工程师 （场景泛化方向）

1. 01

   传感器泛化（Sensor Generalization）。研究跨传感器配置（不同分辨率、视场角、安装位置）的感知模型泛化算法；设计传感器无关的特征表示学习方法；探索基于多模态传感器融合的鲁棒感知架构，实现单一传感器失效或更换情况下的性能保持。

2. 02

   车型泛化（Vehicle Generalization）。研究面向不同车型平台的决策规划算法泛化方法。

3. 03

   场景泛化（Scene Generalization）。研究面向未知地理区域、不同交通规则、异质交通参与者行为模式的算法泛化能力；探索面向长尾场景自动挖掘的数据策略

4. 04

   海量数据处理与训练策略。研究面向跨车型、跨传感器、跨场景的海量多模态数据训练策略，支撑大规模训练。

1. 01

   教育背景： 计算机科学、人工智能、自动化、车辆工程或相关专业博士/硕士，具有2年以上自动驾驶或机器人领域算法研发经验。

2. 02

   技术能力： · 深入理解领域自适应（Domain Adaptation）、域泛化（Domain Generalization）、元学习（Meta-Learning） 等泛化技术体系，并有实际项目应用经验；

• 熟悉自动驾驶感知、预测、规划各模块的核心算法，了解不同传感器特性与车型动力学差异对算法的影响；

• 对数据驱动的泛化策略有系统性理解，包括但不限于数据增强、域随机化、对抗训练等。

• 具备基于大规模路测数据的深度学习模型训练与迭代经验，熟悉PyTorch等主流框架；

3. 03

   加分项 · 在CVPR/NeurIPS/ICLR/ICRA等顶会发表论文者优先。

• 在跨车型部署、跨城市快速迁移、传感器换型适配等实际量产项目中有一线经验；

• 熟悉生成式模型（扩散模型、世界模型） ，并有合成数据用于泛化能力提升的实际经验；

• 对端到端自动驾驶架构有深入理解，能从全链路视角系统性思考泛化能力构建

招聘部门：智能汽车事业部

招聘人数：2

岗位类别：算法序列

工作地点：北京市、上海市