自动驾驶感知实习生&生成模型算法实习生

AI 摘要智能生成

负责自动驾驶感知系统中核心检测/分割模型的研发

职位描述

自动驾驶感知实习生招聘JD 1.负责自动驾驶感知系统中核心检测/分割模型的研发，包括但不限于基于激光雷达点云、多相机图像及多传感器融合（Camera-Lidar Fusion）的3D目标检测、语义分割、BEV（鸟瞰图）感知等算法模型的设计、训练与优化； 2.负责感知模型在真实路测场景下的 Badcase分析与迭代，持续提升模型在遮挡、远距离、恶劣天气、复杂港口等场景下的检测精度与召回率； 3.跟踪感知领域最新研究成果（如BEV感知、Occupancy Network、端到端感知等方向），推动前沿技术在项目中的落地应用; 4.与感知系统工程团队紧密协作，推动模型与在线/离线系统（如DebugObserver可视化、评测系统）的联调与集成。 1.研究Diffusion/Flow Matching等主流生成范式在3D点云生成任务中的应用与改进，包括但不限于点云去噪、形状生成、补全与上采样等方向。 2.深入理解并实践DDPM、DDIM、Score-based Models、Flow Matching、Rectified Flow等扩散类生成框架，探索其在点云等非结构化数据上的适配与优化（如噪声调度设计、连续/离散表示选择、采样加速等）。 3.研究多种条件控制机制下的可控点云生成方案（文本/图像/草图/单视角等条件），提升生成结果的几何精度、结构合理性与多样性。 4.以点云生成能力为基础，参与构建3D内容生成流水线，探索点云生成与网格重建、纹理生成、3D/4D场景生成的协同。5.参与模型开发的所有阶段，包括数据处理、训练与实验设计、评测和部署。

任职要求

• 1．计算机、自动化、电子信息、人工智能等相关专业硕土及以上学历（优秀本科可放宽）；
• 扎实的深度学习基础，熟悉主流检测/分割网络结构（如 PointPillars、CenterPoint、BEVFusion、Transformer系列等），有相关论文发表或竞赛经历者优先；
• 熟练使用PyTorch/TensorFlow等深度学习框架，具备良好的工程代码能力（Python/C++）；
• 有激光雷达点云处理、多传感器融合感知、BEV感知相关项目经验者优先；
• 有模型部署及推理加速经验（TensorRT、ONNX、量化/剪枝/蒸馏）者优先；
• 具备良好的问题分析与解决能力，能够独立完成Badcase定位、根因分析并推动模型迭代；
• 具备良好的团队协作与沟通能力，能适应快节奏的迭代研发环境。
• 加分项
• 在 CVPR、ICCV、ECCV、NeurIPS 等顶会/期刊有感知相关论文发表经历;
• 在KITTI、nuScenes、Waymo 等自动驾驶权威榜单/竞赛中有刷榜或获奖经历；
• 有开源项目贡献经历（如 MMDetection3D、OpenPCDet、BEV系列repo等）。
• 其他说明
• 实习期要求6个月及以上，每周可实习4天及以上者优先；
• 表现优秀者有转正机会。
• 生成模型算法实习生（点云生成方向）招聘JD
• 1．对人工智能技术充满热情和信仰，具有强烈的探索精神和创新意识；
• 计算机、应用数学、模式识别、机器学习等相关专业硕士/博士在读，或有同等工作经验；
• 对扩散模型有较深入的理解：熟悉 DDPM 的加噪/去噪原理、噪声调度、训练目标推导，理解 DDIM、Score Matching、SDE/ODE 视角及 Flow Matching /Rectified Flow 等生成范式，能阅读并复现该领域代表性论文（如 DDPM、Score-SDE、Flow Matching for Generative Modeling、Point-E、LION、3DShape2VecSet等）；
• 熟悉深度学习框架（PyTorch 优先），了解点云处理常用网络结构（PointNet/PointNet++、Point Transformer、稀疏卷积等）者优先；
• 精通数据结构、算法设计和并行计算，有良好的编程能力（Python/C++等）；
• 具备较强的创新能力和团队协作精神，能够在高压环境下保持冷静、推动解决复杂问题。
• 在AI领域顶会或期刊（CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、SIGGRAPH等）有论文发表经历，有3D生成/点云生成方向研究经历者优先；
• 有扩散模型或生成模型相关的开源项目贡献、复现或产品落地经历；
• 在ACMICPC等竞赛中有获奖经历；
• 做过有影响力的开源项目或产品。