•负责车端静态BEV算法研发和工程落地，包括静态时序BEV检测框架，Transformer静态元素几何建模构建，多任务检测模型等。

•探索可量产深度学习检测方法，构建复杂道路结构下的相关静态元素，提升实时感知模型的能力上限。

•主要负责方向为红绿灯，交通标志方向。

•负责车端模型训练，适配，量化以及部署，优化模型相关后处理。

•负责相关模型业务开发，与定位，建图等相关下游进行功能联调，制定稳定的规范与协议。

•应用数学、计算机视觉、模式识别、机器学习、电子信息、机器人等相关专业的硕士/博士学生。

•在计算机视觉目标检测领域的2D，3D目标检测（单目3D、bev、OccupancyNetwork、Map）有深入研究经历，熟悉经典和前沿的单目2D，3D、BEV检测（分割）算法

•熟悉当前主流的深度学习算法，精通一个或者多个领域的算法研究，包括但不限于目标检测、多任务学习、目标分割等。

•了解数据结构、算法和大规模数据处理（百万~千万）；至少精通C/C++ 或python编程，有ACM经验者优先。

•至少熟悉一个常见的神经网络开源工具库，如Caffe/TensorFlow/PyTorch/ 等。

•有红绿灯或者交通标志开发经验者优先。

•有实际工程项目经验者优先。