MJ020718-Voyager-算法实习生

1. 参与自动驾驶多模态感知算法研发，探索以三维高斯为统一场景表征，融合相机与激光雷达的几何、语义及运动信息。

2. 研究基于高斯表征的多任务学习方法，支持三维目标检测、语义占用、场景分割、运动估计等任务，探索共享表征、任务交互与联合优化机制。

3. 参与高斯表征的初始化、特征融合与时序更新方法设计，提升模型在稀疏点云、遮挡及部分传感器信息缺失等场景下的感知能力。

4. 完成相关算法的实现、训练、评测与消融实验，分析模型精度、鲁棒性和计算开销，推动研究方案在实际感知系统中的验证与应用。

5. 跟踪高斯表征、多模态融合及多任务学习领域的前沿研究，开展论文复现与技术探索

1. 计算机、人工智能、自动化、电子信息、数学等相关专业在校生，硕士或博士研究生优先。

2. 具备扎实的机器学习与深度学习基础，熟悉计算机视觉基本方法，对三维几何、坐标变换及空间表征有一定理解。

3. 熟练使用 Python 和 PyTorch，具备良好的代码实现、调试与实验分析能力，熟悉 Linux 开发环境。

4. 对三维高斯表征与多模态感知有研究兴趣；具有 Gaussian Splatting、三维场景表征、BEV/Occupancy、相机与激光雷达融合或多任务学习相关项目经验者优先。

5. 在 CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML、ICRA、IROS 等相关领域顶级会议发表过论文，或具有高质量开源项目、CUDA 编程及模型推理优化经验者优先。

5. 能够阅读英文技术论文，具备主动学习、独立分析问题和团队协作能力，能够保持稳定的实习投入，长期实习者优先。

注：若有其他疑问，可邮件咨询internrecruit@didiglobal.com