算法实习生(自动驾驶)-MJ020803
滴滴 · 上海市 · 实习
AI 摘要智能生成
项目围绕高精度、低人工返修成本的地图数据生产
职位描述
岗位职责(具体工作内容) 面向自动驾驶场景,探索将视觉基础模型(Vision Foundation Model,VFM)的语义与表征能力迁移到 LiDAR 点云和 BEV 空间,结合多视图图像、稠密点云与矢量化地图模型,实现车道标线、停止线、路缘及路面标识等静态地图元素的离线自动标注。项目围绕高精度、低人工返修成本的地图数据生产,开展从伪标签生成、模型训练到质量评估的数据闭环研发,为在线地图感知提供高质量训练数据。 1.参与视觉基础模型在地图自动标注中的应用研究,利用 SAM3、DINOv2 等模型生成图像分割与特征监督,探索图像到点云 / BEV 的跨模态知识蒸馏、局部特征对齐及自监督表征学习。 2.参与相机与 LiDAR 的几何对应、多视图证据融合及数据质量分析,定位标定、同步、遮挡等因素对细长地图元素的影响,提升跨模态监督的可靠性。 3.参与地图元素伪标签生成与矢量化算法研发,包括分割结果向三维空间的映射、线状元素提取、实例关联和质量筛选,研究不完整标注与未知区域的有效利用。 4.参与点云编码器、BEV 表征及 MapTR 类矢量地图模型的训练与优化,探索特征蒸馏与矢量检测的联合训练,提升地图元素几何精度、实例完整性与跨场景泛化能力。 5.跟进相关领域研究,完成算法复现、对照实验与问题分析;参与离线推理、跨子地图结果融合和质量评估工具建设。 任职资格(学历、目标院校、语言、技能、性格等要求) 1.计算机、人工智能、自动化、机器人、测绘等相关专业,硕士及以上在读,对自动驾驶感知、三维视觉或基础模型应用有浓厚兴趣。 2.具备扎实的数学与深度学习基础,理解常见视觉网络、Transformer 及模型训练方法;在图像分割、三维点云、BEV 感知、多模态学习或知识蒸馏中至少一个方向有项目或研究经验。 3.熟练使用 Python、PyTorch 和 Linux,具备独立阅读与修改模型代码、搭建训练流程、调试及分析实验结果的能力;熟悉 Git 和基本工程开发规范。 4.理解相机投影、坐标变换等多视几何基础,能够处理图像与点云数据;具备较强的问题定位能力,愿意结合可视化与数据分析解决真实场景中的算法问题。 5.具备良好的英文论文阅读、沟通协作和技术文档表达能力,能够在指导下推进明确的算法课题,并记录可复现的实验过程与结论。 (以下为加分项) 1.有视觉基础模型、知识蒸馏或自监督学习经验,了解 SAM / DINO 系列视觉基础模型,或跨模态蒸馏等相关工作。 2.有三维点云语义分割、稀疏卷积、多模态 BEV 融合经验,或熟悉 MapTR、矢量化地图构建、地图元素后处理等技术。 3.有伪标签、半监督学习、部分标注训练、数据质量评估经验,或有相机–LiDAR 标定、多帧点云融合、曲线拟合与几何优化经验。 4.有 3DGS / RoGS、多视图重建或道路表面重建经验,能够将重建结果用于语义融合、地图标注或质量核验。 5.有相关领域论文、开源贡献或完整研究项目经历;具备 C++、CUDA 或大规模训练 / 数据处理优化经验。
任职要求
- Python
- C++
- Linux
- 算法
- 深度学习
- 数据分析