端到端感知算法学员_BCSC

项目背景： 当前自动驾驶技术正经历从“模块化架构”向“端到端范式”的底层逻辑演进。区别于传统的解耦模式，端到端模型致力于通过统一的深度学习架构，实现从原始传感器数据到控制信号或行驶轨迹的直接映射。该技术方案旨在通过全局最优的参数学习，显著提升系统在复杂环境下的泛化能力，并为用户提供更加类人且高性能的驾驶体验。 核心内容： 多模态大模型研发： 参与构建基于多模态大模型的端到端驾驶决策模型，探索如何高效融合视觉、点云等多种感知信息，以实现更高维度的驾驶决策逻辑。 闭环训练与行为优化： 协助搭建大规模仿真与真实世界相结合的闭环训练平台，运用强化学习与模仿学习算法对驾驶行为进行持续迭代，确保模型在长尾工况下的表现稳定性。 安全性与可解释性攻关： 深入研究深度学习模型的可解释性方案，设计严谨的安全护栏机制，在追求算法前沿性的同时，确保系统输出严格符合车规级功能安全标准。

1.本科及以上在读，计算机、人工智能、自动化、电子信息、车辆工程等相关专业 2.了解深度学习、机器学习或自动驾驶相关基础，有多模态感知、强化学习、模仿学习或仿真项目经验优先 3.熟悉 Python、PyTorch 等常用工具，对端到端驾驶、算法优化和工程落地方向感兴趣