算法模型专家

1.负责自动驾驶车载感知系统核心算法研发与迭代，聚焦多模态模型、多传感器融合技术，实现复杂路况下动、静态交通目标精准感知，支撑L2-L4级自动驾驶功能落地与迭代优化。

2.动态目标感知研发：基于视觉、激光雷达、毫米波雷达多模态数据，研发车辆、行人、非机动车等交通参与者的检测、分类与多目标跟踪算法，解决目标遮挡、密集通行、极端光照等场景难题，保障感知实时性与稳定性。

3. 静态目标与通用障碍物感知研发：负责交通灯、路牌、立杆、护栏、路沿等静态设施，以及路面掉落物等通用障碍物的检测与属性识别，搭建适配城市、高速、园区等全场景的静态感知体系。

4. 负责多模态感知模型的设计、训练与微调，针对车载算力约束完成模型轻量化、推理加速与量化优化，平衡算法精度与延时，满足量产落地指标。

5. 优化多目标跟踪算法，解决目标ID跳变、轨迹丢失、误跟踪等问题，提升复杂场景下目标轨迹的连续性与稳定性。

6. 参与车载感知数据集搭建、清洗与迭代，开展难样本挖掘、数据增广工作，持续提升算法在极端天气、长尾特殊场景的泛化能力。

7. 配合定位、预测、规划等上下游团队完成算法联调、场景测试与问题复盘，输出标准化技术文档与落地方案。

8. 跟进多模态感知前沿技术，落地大模型感知、多传感器融合、端到端感知等新技术，推动感知体系迭代升级。

基础学历背景

1. 硕士及以上学历，人工智能、计算机、自动化、电子信息等相关专业，优秀本科生可破格录用。

2. 扎实掌握深度学习、计算机视觉、机器学习基础理论，熟悉数字图像处理、多传感器融合核心原理。

核心技能要求

1. 熟练掌握深度学习目标检测、分割、多目标跟踪技术，熟悉YOLO、DETR、Transformer、ByteTrack/SORT等主流算法，具备算法研发与落地经验。

2. 熟悉视觉、激光、毫米波多模态融合方案，了解多模态大模型感知技术，有车载感知项目实战经验者优先。

3. 熟练使用PyTorch主流训练框架，精通模型训练、微调、精度优化、数据迭代的完整研发流程。

4. 熟悉Linux开发环境，掌握Python/C++开发，有模型量化、推理加速、车载端部署优化经验者优先。

5. 熟悉自动驾驶感知核心场景与评价指标，了解动静态目标、通用障碍物感知的常见问题与优化思路。

素质能力要求

1. 具备独立问题排查能力，可自主解决感知误检、漏检、跟踪漂移等场景核心问题。

2. 具备良好的工程落地思维，可兼顾算法效果与车载算力、实时性等量产约束。

3. 沟通协作顺畅，具备良好的技术文档输出能力与团队配合意识。