算法实习生（定位方向）

1.面向乘用车量产业务的行泊车场景，开发高精度、高可靠性的定位与建图算法，解决量产中的长尾问题；针对车载计算平台特性，优化算法性能与资源占用，提升系统实时性与鲁棒性。 2.参与多传感器（GNSS/LiDAR/IMU/轮速/视觉等）数据融合方案设计，适配车规级硬件实现精准定位与动态建图。 3.参与地图构建、数据挖掘、云端模型、自动标注算法和4D真值系统等开发与研究。 4.参与基于GNSS， IMU等传感器多场景下的实时绑路、偏航算法，基于深度学习的地图匹配等算法研发。

1.熟练掌握C++编程、pytorch或tensorflow等常见框架，熟悉ROS框架及Linux开发环境。 2.理解主流SLAM框架（如LIO-SAM、LIO-Mapping、VINS-Mono等），熟悉其源码实现与优化方法； 3.熟悉Kalman Filter、非线性优化理论，具备多传感器融合算法开发经验； 4.熟悉LiDAR/IMU/GNSS/轮速等车载传感器特性及数据处理方法（如标定、时序同步、去噪等）； 5.有高精地图自动建图、导航地图的数据制作、自动驾驶规划算法经验者优先； 6.了解机器学习基本概念，有实时绑路项目经验者优先； 7.熟悉深度学习在SLAM中的应用（如语义SLAM、动态物体处理、端到端定位等），有相关项目经验优先； 8.在机器人/自动驾驶领域顶会发表过论文或参与过机器人竞赛/开源SLAM项目贡献优先。