Artificial Intelligence（8）-算法实习生

负责自动驾驶场景理解与规划方向的前沿研究和落地，让车辆在不依赖高精地图的情况下，实时理解当前的道路环境，并给规划模块提供准确、及时的输入。具体包括： - 调研场景理解、预测与规划领域的最新研究，结合系统现状和约束，形成可落地的技术方案； - 设计并实现深度学习模型，用车载传感器等信息源实时构建道路结构、交通信号等环境信息； - 在大规模路测数据和公开数据集上训练、评估模型，主导失效分析，定位模型不足及原因； - 建立评估指标和方法，把感知质量与车辆实际驾驶表现联系起来； - 与感知、预测、规划、地图团队紧密协作，将验证有效的原型接入规划链路，推动成果从实验走向产品； - 优秀成果支持整理发表至顶级会议

• 计算机、机器人、电子工程、机器学习或相关专业在读硕士或博士，实习期间保持在读身份； - 能全职到岗实习 3–6 个月，入职时间灵活； - 熟练使用 Python，熟悉 PyTorch、JAX 等深度学习框架； - 有计算机视觉、3D 感知或序列决策方向深度学习模型的设计、训练和调试经验； - 了解自动驾驶感知、预测和运动规划的基本原理； - 能批判性地阅读论文，能提出假设并设计严谨的实验来验证； - 沟通协作能力良好。 以下条件优先： - 在 CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML、ICRA、IROS、CoRL、IV 等顶级会议发表过论文； - 有多传感器融合（相机、激光雷达、毫米波雷达）或 BEV 表示的经验； - 有 Transformer、图神经网络等结构化场景表示的经验； - 有不确定性估计，或基于学习的预测、规划方面的经验； - 有大规模模型训练和数据 pipeline 的经验； - 用过 nuScenes、Argoverse 2、Waymo Open Dataset 等公开自动驾驶数据集； - 熟悉 C++（会 CUDA 更好），有机器人系统开发经验