【岗位职责】探索并研发下一代自动驾驶仿真核心算法，推动技术创新与迭代。
开发针对端到端自动驾驶模型的场景重建算法，包括障碍物重建、地图元素重建等。
优化场景重建算法的精度和性能，确保算法在实际应用中的可行性和高效性。
参与具身世界模型算法的研发，通过设计创新的世界生成技术，构建可供机器人训练的虚拟训练场。
跟踪世界模型、具身智能领域国际顶会顶刊最新研究动态，挖掘创新技术方向，提出可落地的技术解决方案，探索世界模型在工业巡检、服务机器人等多元场景的技术应用与落地机会。
设计与优化自动驾驶模型的大规模训练基础设施。
提升万卡GPU训练集群的训练效率与系统稳定性。
构建可扩展的PB级自动驾驶数据训练pipeline。
分析并解决分布式训练中的性能瓶颈，包括GPU利用率、通信开销、I/O吞吐等问题。
与自动驾驶算法团队协作，加速感知、多模态及端到端模型的训练迭代。
突破时序编码瓶颈，引入Test-time-training等技术，实现对物理世界时序信息的高效压缩与编码。
构建场景化VLA数据体系，基于驾驶场景构建覆盖空间感知、时序行为、长尾场景与因果推理的结构化数据体系。
实现实时闭环决策，在车载边缘设备上实现24FPS以上的实时推理。
构建通用视觉表征模型框架与训练范式，使学习的表征富含运动表征、3D表征及语言表征。
面向自动驾驶场景构建世界模型的架构与训练范式，探索自我学习与更新迭代的范式。
探索自动驾驶前沿算法方