（岗位属于第三方合同，非电装正式员工）

● 总结汇报自动驾驶领域最新的算法进展，成果。​

● 将SOTA的算法成果应用到当前算法和模型的改进及优化过程当中。​

● 将Pytorch模型通过ONNX，TensorRT，通过C++ 进行Orin-X的高性能部署。​

● 对数据整理，进行data loader及评价方法的编写。​

● 自动驾驶其他方向的探索应用，如视角转换，VLM，RL等。​

● 拥有3-5年的AD驾驶算法开发经验，E2E算法开发经验，掌握相关技术：​

有一段式端到端的实际经验，掌握类似VAD，UniAD等相关端到端算法的基础知识，并持续跟踪最新的 SOTA算法。​

拥有多传感器融合与多模态集成的工作经验，并持续跟踪最新的 SOTA 算法。​

了解BEV，OCC等算法的变化过程，知道相关算法的优劣点。​

了解如何从图像/点云构建道路拓扑的基础知识，了解 NERF（神经辐射场）、3DGS相关算法的基础知识，并持续跟踪最新的 SOTA 算法。​

●模型转换与部署（TensorRT 相关）：​

熟悉掌握深度学习模型的部署流程，特别是从 PyTorch、ONNX 到 TensorRT 的转换过程。​

熟练掌握C++对TensorRT的高性能部署。​

能够使用 TensorRT API 或 CLI 工具进行模型构建、序列化、加载与推理。​

了解 TensorRT 的优化策略，如 FP16、INT8 精度转换、层融合等。​

具备在Nvidia Orin-X（优先）或是Jetson Orin上部署模型的经验，包括资源管理与性能调优。​

熟悉模型部署中的常见问题，如内存占用、推理延迟、兼容性问题，并具备解决能力。​

● 数据采集与开发平台：​

了解如何对摄像头和激光雷达进行标定。​

了解如何使用 ROS 构建接口，以便进行数据共享、采集，用于离线和在线测试与开发。​

● 图像与点云配准/标定/优化：​

了解图像配准、点云配准的基础知识。​

了解 V-SLAM（视觉同步定位与建图）相关基础知识，如基础矩阵、基本矩阵、束调整、图优化。​

● 平台与编程语言：​

操作系统：Linux（Ubuntu）、Windows​

编程语言：Python、C、C++​

● 其他要求：​

需要拥有英语的论文阅读及交流能力。如有日语读写能力更佳。​

计算机、信息、数学、电子、自动化、机械、测控、汽车等相关专业本科及以上学历，3-5年的AD算法开发经验。​