高级软件工程师,感知(机器人)

你将做什么

• 开发并改进多目标跟踪,涵盖数据关联、贝叶斯状态估计、轨迹生命周期和 ID 稳定性,以应对遮挡和拥挤场景,并朝着基于学习的跟踪方向发展。
• 构建通用和开放集的世界理解,包括类别无关的障碍物检测、占用网格和网络、聚类以及学习到的通用物体分支。
• 为行人、骑行者、车辆和其他智能体构建运动预测,涵盖多模态轨迹预测、交互感知预测、占用流和不确定性估计。
• 开发和评估端到端的时间感知-预测方法,例如联合检测-跟踪-预测、流式 BEV 表示和学习到的世界模型,同时保留模块化基线和生产后备方案。
• 探索 VLM、VLA 和具身基础模型,用于开放词汇感知、语义场景推理、长尾发现和自动标注,然后提炼或调整有用的能力,以便在机器人上部署。
• 加强跨摄像头、LiDAR、雷达和 IMU 的多传感器和时间集成,使几何、时序、身份、预测和语义上下文随时间保持一致。
• 定义跨跟踪、预测、占用召回、闭环安全结果和嵌入式延迟预算的质量门,并通过车队日志根本原因分析减少回归。
• 与检测、预测、规划、数据与基础设施以及集成团队合作,将能力从研究转移到可重复的训练、回放、模拟、NVIDIA Orin / TensorRT 部署和类生产机器人测试。