1. 负责行/泊车场景BEV+Transformer感知模型算法设计和开发工作，包括高速/城区等场景中的动态障碍物、车道线Mapping、通用障碍物Occ/fFS、室内外场景中车位检测等感知模型开发、部署和调优； 2. 负责多车型平台的主线感知算法的持续迭代，联合数据生产和数据挖掘，构建高效的数据闭环系统，实现正向的算法设计实现和逆向的问题快速修复解决的闭环链路； 3. 负责自动驾驶领域大模型等前沿技术研发工作，包括一段式端到端以及下一代采用VLM/VLA架构的自动驾驶方案的预研开发工作。

1. 计算机、汽车工业、机器人、电子或相关专业,有规模化量产经验的候选人优先； 2. 熟悉当前主流的深度学习算法,包括但不限于BEV感知、无监督训练、大模型、目标检测、图像分割、多任务学习、多传感融合等领域； 3. 熟悉常用的深度学习框架,如PyTorch、TensorFlow、MxNet等,要求至少对其中一种框架较为熟练; 4. 至少精通Python或C++编程,熟悉常用的视觉算法库如numpy/opencv等,了解常用的传统图像处理算法； 5. 具备针对车载端侧平台部署经验和落地能力,有在中/低算力平台部署过大规模网络经验者优先; 6. 具有正确的价值观、内在驱动力:具有较强的学习能力、沟通能力和团队协作能力； 7. 能主动解决问题:能够承受较强的工作压力。