算法实习生

我们正在寻找才华横溢、富有创新精神的算法工程师加入我们的团队。作为算法工程师，你将有机会参与到前沿技术的研发与应用中，通过算法创新解决实际业务问题，推动产品的迭代升级，为公司的发展注入强大动力。

方向一： 职位描述： End-to-end driving system研发与落地，负责端到端/VLA模型结构搭建与调优，高质量大规模训练数据集构建，设计路径规划评估，闭环评测系统研发。持续关注并跟踪自动驾驶及人工智能领域的最新技术进展，进行新技术的调研和探索。 职位要求： 计算机视觉基础扎实，熟悉主流技术路线，熟练使用pytorch等训练框架； 有轨迹预测相关研究经验的优先； 有LLM/VLM/VLA研发经验的优先； 在CVPR/ICCV/ECCV/NeurPS/ICLR/ACL/EMNLP等学术顶会有相关论文发表，或在相关国际竞赛中取得优异成绩者优先。 有ACM/IOI/NOI/Top Coder等算法竞赛获奖经历优先。 方向二： 职位描述: 结合场景重建、神经渲染、生成式AI等技术，为自动驾驶算法模块提供可用于训练/评估的逼真长尾数据,协助智驾系统向更安全、更智能、更舒适的方向迭代; 职位要求: 最好能实习4个月以上，人工智能、计算机科学、软件工程、数学、物理、电子工程、自动化等相关专业; 曾接触过自动驾驶相关算法、大规模3D场景重建或AIGC数据生成的实际项目; 了解并热爱场景重建相关领域知识，如SfM/MVS/SLAM、NeRF、3DGS、计算机图形学/逆向渲染等，或了解并热爱生成式AI领域知识，如Stable Diffusion、Flux、VAE/GAN、多模态LLM预训练/微调、半监督/自监督学习等: 熟练使用Linux、Python、PyTorch或TensorFlow、C++、CUDA;. 良好的团队沟通与协作能力; 加分项: 参与过AI相关领域开源项目，并有代码贡献; 在AI相关领域的顶级会议上发表过论文，如SIGGRAPH、CVPR、ICCV 方向三： 职位描述： 针对无图端到端自驾系统道路识别与导航模块，参与前沿AI算法的研究探索与落地，处理海量自动驾驶数据，拥有大规模并行GPU训练集群，数据闭环平台，具体会参与以下研究方向： 负责道路识别与导航算法的关键算法研发工作，设计端到端神经网络方案，完成包括但不限于车道线识别、交通要素识别、道路拓扑识别、导航选路识别等功能； 利用前沿的网络结构设计，尝试不断提升各个任务的识别性能； 优化神经网络设计，完成嵌入式平台的部署，确保线上高效运行； 探索大模型在无图端到端的应用。 职位要求： 计算机、自动化、数学等相关专业，硕士以上在读； 具备扎实的编程实现能力，熟练使用C++/Python； 熟练掌握计算机视觉和机器学习相关的理论知识和实践技能； 有AI相关经验，有使用TensorFlow/Pytorch等平台经验； 熟悉计算机视觉前沿算法，在CVPR，ICCV，ECCV等相关顶级学术会议期刊发表过相关论文者优先。 方向四： 职位描述： 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。 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。 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。 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。 职位要求： 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。 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； 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； 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）； 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； 了解机器学习基本概念，有实时绑路项目经验者优先； 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； 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。 方向五： 职位描述： 参与自动驾驶决策、规划的深度强化学习算法研发与调优。 参与构建、维护和优化高性能的自动驾驶仿真测试环境与基准测试（Benchmark）。 撰写高质量的代码、技术文档，并定期进行成果分享与技术汇报。 跟踪学术界和工业界在强化学习及自动驾驶相关领域的最新进展。 职位要求： 计算机科学、人工智能、车辆工程、机器人学或相关专业的在读硕士/博士研究生。 扎实的机器学习/深度学习基础，对强化学习方向有兴趣； 熟练掌握Python，有使用PyTorch或TensorFlow等主流深度学习框架的经验。 具备良好的编程能力，熟悉C++/Linux者优先。 在顶级会议（如NeurIPS, ICML, ICLR, CVPR, ICRA）上有发表论文者优先。