滴滴自动驾驶招实习生：世界模型、BEV感知两个方向

自动驾驶算法实习生招聘（世界/生成模型 + BEV感知方向）

（一）世界模型/生成模型方向

• 核心参与自动驾驶世界模型、场景生成、动态推演相关算法研发与迭代，负责场景建模、环境状态预测、动态场景仿真推演等核心工作，支撑自动驾驶高阶场景理解与态势预判能力升级。

• 依托大模型能力，优化自动驾驶实时场景理解、环境态势感知、未来路况状态预判算法，赋能车辆决策规划模块。

• 结合仿真平台与实车场景，完成模型算法测试、问题迭代、缺陷优化，落地模型轻量化、推理加速方案，保障车端部署稳定性。

• 跟进领域前沿论文与开源方案，完成算法复刻、优化与创新，输出标准化实验报告及技术文档。

（二）BEV感知方向

• 参与自动驾驶BEV感知模型研发、迭代与落地，聚焦端到端感知、视觉场景理解、环境建模等核心模块，优化车载感知系统能力。

• 负责图像、点云、雷达等多模态感知数据的融合处理、数据集构建、清洗优化，支撑BEV感知模型的训练与微调工作。

• 开展BEV感知模型训练、参数调优、消融实验及性能评测，针对性提升模型感知精度、复杂场景泛化能力、推理速度与鲁棒性。

• 跟进BEV感知、车载视觉大模型前沿技术，迭代优化感知算法，落地实车场景应用。

（一）基础硬性条件

• 硕士及以上学历，计算机、人工智能、自动化、电子信息、车辆工程、数学、软件工程等相关专业，2026-2028届毕业生优先。

• 具备扎实的深度学习、计算机视觉、概率论、线性代数基础，熟悉大模型核心原理、模型预训练与微调逻辑。

• 熟练掌握Python、PyTorch框架，熟悉模型训练、微调工具链，具备相关模型开发落地经验优先。

• 熟悉Linux开发环境，掌握Git、Shell等常用开发工具，具备规范的代码开发与管理习惯。

（二）核心专项能力（满足其一即可）

• 世界/生成模型方向：了解自动驾驶世界模型、场景生成、动态推演、环境建模核心思路，熟悉基于大模型的场景预测、仿真建模技术，有相关项目、研究经验优先。

• BEV感知方向：熟悉自动驾驶BEV感知、端到端视觉感知技术，掌握图像/点云特征提取、目标感知、语义分割、多模态特征融合技术，了解车载感知模型落地范式。

（三）加分项

• 有自动驾驶世界模型、生成模型、BEV感知、端到端自动驾驶算法相关科研项目、实习、竞赛经历。

• 熟练掌握SAM、CLIP、BEV、车载端到端大模型等开源项目，精通模型微调、量化、轻量化、车端推理优化技术。

• 具备CARLA仿真建模、自动驾驶多模态数据集构建、感知模型融合训练实战经验。

• 在计算机视觉、自动驾驶、多模态领域有顶会论文、算法竞赛获奖、开源项目贡献经历。