L4-感知算法工程师

岗位职责 负责自动驾驶场景下目标检测、多目标跟踪及感知预测融合算法研发； 迭代检测模型的 backbone / neck / head，提升检测精度、鲁棒性与推理速度； 为端到端感知框架提供高质量特征输出，包括 bbox、目标状态、中间层特征及时序特征； 探索基于深度学习的跟踪建模方法，研究 query-based tracking、transformer-based tracking、端到端 MOT 等技术方向； 将检测、跟踪和预测建模为更统一的时序感知问题，提升遮挡、长尾、目标交互等复杂场景下的稳定性； 设计检测、跟踪、预测联合建模方案，研究共享 backbone、特征复用、跨任务梯度回传和多任务 loss 权重自适应等问题； 与预测算法及工程团队对齐接口，为预测模块提供更稳定、更高质量的目标状态、轨迹特征和时序特征输入； 持续分析检测、跟踪、预测链路中的误差传递问题，减少级联误差，提升端到端整体效果； 推动算法在内部数据集、仿真环境及实车系统中的验证、优化与落地。 任职要求 计算机、人工智能、自动化、电子信息、车辆工程等相关专业，本科及以上学历； 熟悉主流目标检测算法及工程化实践，如 Faster R-CNN、YOLO 系列、CenterNet、DETR、BEVDet、BEVFormer、Sparse4D 等； 具备目标检测、3D 检测、多目标跟踪 MOT、轨迹预测或多任务学习相关项目经验； 熟悉 PyTorch / TensorFlow 等深度学习框架，具备良好的模型训练、调参、实验分析和问题定位能力； 熟悉 Python / C++，具备较好的算法工程实现能力； 了解自动驾驶感知系统基本流程，熟悉 Camera / LiDAR / Radar 中一种或多种传感器数据处理； 了解检测、跟踪、预测模块之间的协同工作流程，能够从系统链路角度分析算法收益与问题； 具备良好的问题拆解能力、工程落地意识和跨团队沟通能力。 加分项 有自动驾驶量产项目、实车部署或中间件开发经验； 熟悉 ROS、CyberRT、DDS 或其他自动驾驶中间件； 有 Camera / LiDAR / Radar 多传感器融合经验； 熟悉 MOTR、TrackFormer、MOTA、QDTrack、ByteTrack、OC-SORT 等跟踪算法； 有端到端感知、感知预测联合训练、多任务学习或 transformer 时序建模经验； 有轨迹预测、行为预测、交互建模或时序建模相关项目经验； 熟悉 TensorRT、ONNX、CUDA、模型压缩、蒸馏、量化等部署优化技术； 在自动驾驶、计算机视觉、机器人等方向有高质量论文、竞赛或开源项目经验。