自动驾驶静态认知算法工程师

岗位职责

静态要素模型全链路维护：负责静态要素（如车道线、路沿、交通标志、红绿灯等）感知模型的全生命周期管理，包括大规模数据预刷与清洗、模型训练调优、自动化评测及量产发版流程的落地；

静态认知方案设计与优化：主导静态要素后处理算法的设计与迭代，负责多帧时序跟踪、拓扑组网、车道级地图构建等核心模块的开发，提升复杂场景下的认知稳定性与准确性；

感知问题攻坚与闭环：快速响应并修复静态感知与认知相关的Corner Case及长尾问题，通过数据驱动与算法优化形成问题闭环，持续提升量产体验；

前沿技术预研：跟进自动驾驶静态感知领域的最新学术进展与业界方案，探索BEV、Transformer、端到端等新技术在静态认知场景下的工程化落地。

任职要求

编程与算法基础：熟练掌握 C++/Python，具备扎实的数据结构、算法设计与工程落地能力；熟悉 Linux 开发环境，熟练使用 Git/CMake 等工具，有良好的代码规范与文档习惯；

感知/认知算法经验：熟悉自动驾驶感知或认知算法，了解 BEV、Transformer、时序融合、图优化等至少一种主流技术栈，有车道线/路沿/交通标志等静态要素开发经验者优先；

后处理与模型训练：同时具备后处理算法开发经验（如跟踪、组网、拓扑构建等）及 PyTorch/TensorFlow 等深度学习框架、模型训练、量化部署经验者优先；

量产经验：有 L2/L2+/L3 级自动驾驶量产项目经验，熟悉感知算法在车端部署、性能优化及功能安全相关流程者优先；

综合素质：具备良好的问题分析与解决能力，对自动驾驶技术有热情，有强烈的责任心与团队协作精神。

加分项

有高精地图/SD地图/众包地图相关研发经验；

在 CVPR/ICCV/ECCV/ICRA/IROS 等顶会发表过相关论文，或在 KITTI/nuScenes 等权威榜单取得优异名次；

熟悉 ROS/ROS2、PCL、OpenCV、TensorRT 等常用工具链；

有端到端感知或 Occupancy Network 相关项目经验。