自动驾驶地图算法实习生（CV/感知方向）
招聘时间
即日起 至 2026-07-14
招聘单位
哈啰
所在地区
上海
工作地点
上海市/上海市/闵行区 旭辉·莘庄中心-1号楼
学历要求
硕士
实习时长
每周5天，每天5小时
职责描述
核心职能
1. 地图要素自动化提取：负责高精地图中静态要素（如红绿灯、车道线、POI、AOI边界）的识别与矢量化，重点研究利用视觉大模型（VLMs）提升提取精度与召回率。
2. 上下车点场景感知：专注于上车点/下车点周边的环境语义识别（如禁停区域、可通行区域、复杂路口），通过视觉算法理解物理世界的交通规则。
3. 地理围栏构建（Geofencing）：基于感知结果，参与地图要素的空间拓扑构建与地理围栏绘制，确保自动驾驶车辆在上下客区域的安全性与合规性。
岗位职责
1. 利用深度学习/CV技术，处理街景图像、卫星影像数据，研发针对上车区域、禁停区域的自动化识别算法。
2. 参与多模态大模型在地图生产中的应用，探索从图像到矢量数据（Vectorization）的端到端解决方案。
3. 负责相关算法的数据清洗、模型训练、评测及迭代优化，协助团队将算法集成到自动化产线中。
任职要求
1. 学历与时间：硕士在读（2026届或者2027届毕业生，即明年或后年毕业）
2. 编程与框架：扎实的Python编程基础；熟练使用 PyTorch；熟悉 OpenCV 等图像处理库。
3. 核心技术：
○ 具备计算机视觉（CV）或自动驾驶感知相关项目经验（如目标检测、语义分割、实例分割）。
○ 熟悉 Transformer 架构，了解 SAM、YOLO、Mask2Former 等主流视觉模型。
○ 有大模型（LLM/VLM）微调、Prompt Engineering 或 RAG 相关经验者优先。
4. 加分项：
○ 有 CUDA/并行计算 优化经验，或熟悉 Spark/Hadoop 处理大规模数据。
○ 在 CVPR、ICRA、ECCV 等顶级会议发表过论文，或 Kaggle、Waymo 挑战赛获奖经历。
○ 熟悉 SLAM、多视图几何（Multiple View Geometry）或三维重建技术。
ase地点： 上海/杭州，上海优先。
1. 地图要素自动化提取：负责高精地图中静态要素（如红绿灯、车道线、POI、AOI边界）的识别与矢量化，重点研究利用视觉大模型（VLMs）提升提取精度与召回率。
2. 上下车点场景感知：专注于上车点/下车点周边的环境语义识别（如禁停区域、可通行区域、复杂路口），通过视觉算法理解物理世界的交通规则。
3. 地理围栏构建（Geofencing）：基于感知结果，参与地图要素的空间拓扑构建与地理围栏绘制，确保自动驾驶车辆在上下客区域的安全性与合规性。
岗位职责
1. 利用深度学习/CV技术，处理街景图像、卫星影像数据，研发针对上车区域、禁停区域的自动化识别算法。
2. 参与多模态大模型在地图生产中的应用，探索从图像到矢量数据（Vectorization）的端到端解决方案。
3. 负责相关算法的数据清洗、模型训练、评测及迭代优化，协助团队将算法集成到自动化产线中。
任职要求
1. 学历与时间：硕士在读（2026届或者2027届毕业生，即明年或后年毕业）
2. 编程与框架：扎实的Python编程基础；熟练使用 PyTorch；熟悉 OpenCV 等图像处理库。
3. 核心技术：
○ 具备计算机视觉（CV）或自动驾驶感知相关项目经验（如目标检测、语义分割、实例分割）。
○ 熟悉 Transformer 架构，了解 SAM、YOLO、Mask2Former 等主流视觉模型。
○ 有大模型（LLM/VLM）微调、Prompt Engineering 或 RAG 相关经验者优先。
4. 加分项：
○ 有 CUDA/并行计算 优化经验，或熟悉 Spark/Hadoop 处理大规模数据。
○ 在 CVPR、ICRA、ECCV 等顶级会议发表过论文，或 Kaggle、Waymo 挑战赛获奖经历。
○ 熟悉 SLAM、多视图几何（Multiple View Geometry）或三维重建技术。
ase地点： 上海/杭州，上海优先。
