自动驾驶大模型/端到端算法工程师

1、（自动驾驶大模型）负责自动驾驶多模态大模型的研发、微调、部署等工作，探索以大语言模型（LLM）、多模态大模型（VLM）为核心的多模态感知、场景理解和交互，以Tokens的方式接入到决策规划大脑（下游AIPlanner）中； 开展模型压缩与加速研究，通过量化、剪枝、蒸馏、LoRA/QLoRA 等低资源方案，以达到车端可准实时推理的要求；

2、（端到端自动驾驶）负责端到端的预测、决策和规划学习模型研发，解决L4交通场景下的交互决策、轨迹规划问题，探索不同技术范式下的轨迹预测和规划方案，如Diffusion/Next Token Prediction等，并将AIPlanner模型高效部署至公司多个车型产品线（RoboTaxi、RoboBus、无人环卫车、无人物流车等）；通过数据闭环、离线真值、在线难样本数据挖掘、人工数据标注等多种手段加速模型优化和迭代效率；；

3、跟踪学术界（CVPR/ICCV/ECCV、NeurIPS、ICRA 等）与业界最新工作，将前沿技术转化为量产方案；

4、探索自动驾驶领域的AI大模型方案以及和端到端或传统方案的结合（如Slow-Fast方案等）；

5、对现有的研发成果进行总结和沉淀，撰写发明专利或学术论文。

岗位需求：

1、熟练掌握深度学习基本原理和常见算法，有较强的原型系统快速开发和验证能力；

2、有较为完整的研发经验，经历技术预研、实车部署和优化迭代较为完整流程，至少在以下一种自动驾驶任务有较为完整的研发经验，包括但不限于：2D或3D动静态感知、BEV感知、Occupancy感知、三维场景重建、离线真值生成、感知端到端、预测-规划端到端等；

3、掌握至少一种深度学习编程框架，熟练使用Pytorch、TensorFlow等框架，对大规模数据处理和深度网络训练有丰富的实践和调参经验。

加分项：

1、有大语言模型、视觉-语言多模态、数据驱动决策规划等领域的研发和工程部署、强化学习研发经历 ；

2、在ACM或者国内外知名视觉竞赛中有竞赛和获奖经历；

3、在国际顶会和期刊（如：CVPR,ICCV,NeurIPS,AAAI,ICML,TPAMI,IJCV,ACL等）发表过文章