岗位职责
- 负责研发面向复杂道路场景的视觉感知、多模态理解、变化检测算法，推动路网数据从人工采集编辑升级为多源感知+大模型理解的自动化产线；
- 负责基于VLM、视觉基础模型、开集目标检测等技术，实现复杂道路场景中的长尾目标识别、未知类别发现，以及自然语言到道路要素的解析；
- 负责研发BEV/3D空间的道路要素建模方法，实现道路要素的拓扑关系推理；
- 负责面向真实道路场景，研发道路变化检测的人机协同生产算法，支持道路要素的自动更新；
- 负责跟踪并落地VLA、世界模型、感知大模型、开放世界感知等方向中的可迁移技术，推动其在道路数据生产任务中的应用。
职位要求
- 计算机、人工智能、自动化、电子工程、机器人等相关专业，本科及以上学历；
- 熟悉深度学习和计算机视觉基础，掌握至少一种主流视觉任务：目标检测、语义/实例分割、OCR、BEV感知、视觉检索等；
- 具备良好的工程实现能力，熟练使用Python/C++，熟悉PyTorch，具备模型训练、数据清洗、评测体系建设等经验。 加分项
- 熟悉多模态大模型或视觉基础模型者优先，包括但不限于DINOv2/DINOv
- CLIP、Qwen-VL、InternVL、LLaVA、Florence、Grounding DINO等；
- 熟悉道路场景理解、自动驾驶感知、车道线检测、道路变化检测，以及有数据闭环、难例挖掘经验者优先；
- 有自动驾驶感知、BEV感知、车道线检测、道路拓扑推理、道路变化检测相关项目经验；
- 有多模态大模型后训练、视觉基础模型微调相关经验；
- 有感知融合经验，包括但不限于图像+轨迹、图像+GPS、图像+路网拓扑等；
- 有路网自动化生产、数据闭环、自动标注、主动学习、道路要素更新等业务经验；
- 有较强论文阅读和复现能力，在CVPR/ICCV/ECCV/NeurIPS/ICLR/AAAI/ICRA等会议发表论文者优先。
