定位算法实习生
招聘时间
即日起 至 2026-06-13
招聘单位
驭势科技
所在地区
北京
工作地点
北京市/北京市/朝阳区 东三环北路霞光里18号佳程广场B座12层C单元
学历要求
本科
实习时长
每周5天，每天3小时
职责描述
岗位职责
负责建图定位前沿方案的预研和落地，包括端到端SLAM、3DGS/NeRF 神经场景表征、语义地图、视觉语言导航（VLN），开放世界场景理解等方向的算法验证和实验；
负责面向无人驾驶环境语义的多模态大模型预训练、微调与落地：基于自监督、弱监督、半监督学习范式，设计并优化低成本标注方案，通过伪标签生成、自动标注、域自适应、小样本学习等技术，大幅降低无人驾驶场景下环境语义数据的标注成本，提升语义模型在长尾、复杂场景下的泛化能力；
参与面向定位场景的语义模型训练、环境感知特征提取相关工作，包括语义分割，挖掘语义特征，对复杂场景下定位鲁棒性的提升价值；
负责地点识别/场景识别算法的设计、研发与实车落地：面向无人驾驶城市场景、研发跨天气、跨季节、昼夜变化、动态干扰下的鲁棒场景匹配、地点检索、全局重定位算法，解决长时序、大尺度场景下的定位漂移与重定位失效问题；开展基于多模态大模型的地点识别、跨域场景自适应等方向的预研工作。
负责 LLM 驱动的定位工具链全流程研发，参与定位日志智能诊断、场景化参数自适应优化、
任职要求
基本要求
本科及以上学历，计算机科学与技术、自动化、机器人工程、测绘科学与技术、电子工程、应用数学等相关专业，2027届及以后毕业生优先；
具备良好的逻辑思维、问题分析与解决能力，有强烈的技术钻研精神，责任心强，具备良好的团队协作能力与沟通能力。
专业技能要求
熟练掌握 C++ 及 Linux 系统，两年及以上 C++ /python编程经历，熟练使用 ROS/ROS2、OpenCV、Eigen、Ceres、G2O 等常见算法库；
扎实掌握 SLAM 领域核心数学知识，精通李群李代数，熟悉图优化、卡尔曼滤波、非线性优化、多视图几何、状态估计等基础理论；
熟悉以下框架中的一种，有二次开发或自研经验者优先：
视觉 SLAM 框架（例如 Vins 系列、ORB-SLAM 系列、MSCKF 系列等）
激光/多传感器融合 SLAM 框架（例如 LIO-SAM、FAST-LIO、LIO-Livox 系列等）
PyTorch/TensorFlow 等主流深度学习框架，有语义分割、特征提取、端到端 SLAM、视觉语言导航（VLN）相关模型的训练、优化与部署经验者优先；
熟悉 3DGS、NeRF 等神经辐射场/神经场景表征技术，有三维重建、语义建图、轻量化高精地图相关研发或项目经验者优先；
具备良好的英文文献阅读能力，能够快速跟进 SLAM、自动驾驶定位、3D 视觉、机器人导航领域的前沿技术与学术进展。
加分项
在 CVPR/ICCV/ECCV/ICRA/IROS/NeurIPS 等计算机视觉、机器人领域顶会/顶刊以第一作者/共同一作发表 SLAM、端到端自动驾驶、VLN、3DGS 相关论文者优先；
有三维重建、语义建图、轻地图、端到端落地、机器人导航相关项目经验者优先；
有自动驾驶算法工程化、嵌入式部署落地相关经验者优先；
有相关开源项目核心贡献、全国性/国际性 SLAM/自动驾驶算法竞赛获奖经历者优先。
负责建图定位前沿方案的预研和落地，包括端到端SLAM、3DGS/NeRF 神经场景表征、语义地图、视觉语言导航（VLN），开放世界场景理解等方向的算法验证和实验；
负责面向无人驾驶环境语义的多模态大模型预训练、微调与落地：基于自监督、弱监督、半监督学习范式，设计并优化低成本标注方案，通过伪标签生成、自动标注、域自适应、小样本学习等技术，大幅降低无人驾驶场景下环境语义数据的标注成本，提升语义模型在长尾、复杂场景下的泛化能力；
参与面向定位场景的语义模型训练、环境感知特征提取相关工作，包括语义分割，挖掘语义特征，对复杂场景下定位鲁棒性的提升价值；
负责地点识别/场景识别算法的设计、研发与实车落地：面向无人驾驶城市场景、研发跨天气、跨季节、昼夜变化、动态干扰下的鲁棒场景匹配、地点检索、全局重定位算法，解决长时序、大尺度场景下的定位漂移与重定位失效问题；开展基于多模态大模型的地点识别、跨域场景自适应等方向的预研工作。
负责 LLM 驱动的定位工具链全流程研发，参与定位日志智能诊断、场景化参数自适应优化、
任职要求
基本要求
本科及以上学历，计算机科学与技术、自动化、机器人工程、测绘科学与技术、电子工程、应用数学等相关专业，2027届及以后毕业生优先；
具备良好的逻辑思维、问题分析与解决能力，有强烈的技术钻研精神，责任心强，具备良好的团队协作能力与沟通能力。
专业技能要求
熟练掌握 C++ 及 Linux 系统，两年及以上 C++ /python编程经历，熟练使用 ROS/ROS2、OpenCV、Eigen、Ceres、G2O 等常见算法库；
扎实掌握 SLAM 领域核心数学知识，精通李群李代数，熟悉图优化、卡尔曼滤波、非线性优化、多视图几何、状态估计等基础理论；
熟悉以下框架中的一种，有二次开发或自研经验者优先：
视觉 SLAM 框架（例如 Vins 系列、ORB-SLAM 系列、MSCKF 系列等）
激光/多传感器融合 SLAM 框架（例如 LIO-SAM、FAST-LIO、LIO-Livox 系列等）
PyTorch/TensorFlow 等主流深度学习框架，有语义分割、特征提取、端到端 SLAM、视觉语言导航（VLN）相关模型的训练、优化与部署经验者优先；
熟悉 3DGS、NeRF 等神经辐射场/神经场景表征技术，有三维重建、语义建图、轻量化高精地图相关研发或项目经验者优先；
具备良好的英文文献阅读能力，能够快速跟进 SLAM、自动驾驶定位、3D 视觉、机器人导航领域的前沿技术与学术进展。
加分项
在 CVPR/ICCV/ECCV/ICRA/IROS/NeurIPS 等计算机视觉、机器人领域顶会/顶刊以第一作者/共同一作发表 SLAM、端到端自动驾驶、VLN、3DGS 相关论文者优先；
有三维重建、语义建图、轻地图、端到端落地、机器人导航相关项目经验者优先；
有自动驾驶算法工程化、嵌入式部署落地相关经验者优先；
有相关开源项目核心贡献、全国性/国际性 SLAM/自动驾驶算法竞赛获奖经历者优先。
