SH-仿真世界模型算法专家（自动驾驶方向）(J20501)

负责仿真世界模型的研发与迭代，基于 NeRF / 3DGS（3D Gaussian Splatting）及其前馈 GS 变体构建可重建、可渲染的 3D 场景表达，支撑自动驾驶闭环仿真、长尾场景重建与端到端模型训练。

主导场景生成与数据合成管线建设，结合真实路采数据生成高保真、可泛化的驾驶场景，扩充训练与评测数据集的规模与多样性，提升模型在长尾与 Corner Case 上的鲁棒性。

设计并落地可控生成方案，包括场景布局、动态交通参与者行为、天气光照及相机 / 雷达视角等条件的精细化控制，使生成数据满足感知、预测、规控各模块的训练需求。

负责仿真数据资产的全流程管理，包括数据格式标准化、质量评估、一致性校验、版本管控与权限管理，支撑算法团队高效调用与追溯，保障数据生产合规、可复现。

跟踪世界模型与 3D 重建领域前沿技术（如生成式 GS、Diffusion-based 场景合成、大规模预训练世界模型等），结合业务场景推进方案在量产数据闭环中的落地与持续优化。

计算机 / 自动化 / 机器学习等相关专业硕士及以上学历，具备 NeRF、3DGS、前馈 GS、世界模型、场景生成、数据合成或可控生成相关方向的科研或工业落地经验。

熟悉 PyTorch 等深度学习框架，具备 3D 视觉、神经渲染或生成式模型的扎实工程实现能力，有大规模数据训练与分布式调参经验者优先。

具备良好的工程落地意识，能围绕自动驾驶感知 / 预测 / 仿真闭环设计数据生产链路，推动算法方案在量产平台上的工程化交付。

具备较强的文献阅读、技术调研与跨团队协作能力，能在数据、算法、平台团队之间高效推进项目落地。