智能驾驶定位算法开发岗

高保真场景重建： 研发基于 NeRF (神经辐射场) 或 3D Gaussian Splatting (3DGS) 的大规模城市级重建算法，实现静态背景与动态物体的解耦重建；

多模态融合重建： 探索 LiDAR 与视觉深度融合 的重建方案，利用 LiDAR 的精确几何约束提升神经渲染的深度准确性，同时利用视觉信息修复点云稀疏区域；

闭环仿真与编辑： 构建可编辑的虚拟场景。实现基于三维重建的 生成式仿真 (Generative Simulation)，支持任意视角切换、光照变换（白天/黑夜/雨天）及交通流参与者的增删改查；

感知数据合成与增强： 利用 生成式 AI (AIGC) 技术，将重建场景转化为无限量的感知训练样本，实现 3D Bounding Box、语义分割及 Occupancy 的自动标注，构建高效的数据闭环；

工程性能优化： 针对大规模重建任务，优化分布式训练与渲染效率，研究模型压缩与加速技术（如神经场景图切分），支撑万公里量级的自动化建图与仿真任务

专业背景： 计算机、人工智能或机器人相关专业，硕士及以上学历；

核心技术能力：

精通 多视图几何 (MVS)、结构光/飞行时间 (ToF) 原理及三维点云处理算法；

深入理解 神经渲染 (Neural Rendering)，有 NeRF、Instant-NGP、3DGS 或类似项目的实战经验；

熟悉常用物理引擎（如 Carla, AirSim）或渲染引擎（Unreal Engine 5, Unity, NVIDIA Omniverse）；

AI 功底： 精通 PyTorch/JAX。熟悉 Transformer、Generative Models (Diffusion/GAN) 及其在三维表征中的应用；

工程与优化：

精通 C++ 和 Python；

熟悉Ceres Solver、g2o，熟悉 CUDA/TensorRT 高性能计算，具备处理大规模分布式数据流水线的经验；

学术影响力： 在 CVPR, ICCV, SIGGRAPH, ICRA 等顶级会议发表过Neural Reconstruction、Large-scale SLAM、3D Vision或 SLAM 相关论文者优先；

技术栈： #NeRF #3DGS #WorldModel #AIGC #ImplicitRepresentation