Company Didi
Focus Tech · Algorithm
Location Remote / Anywhere
Published January 8, 2026
岗位职责： 依托多传感器和地图先验，感知实现对复杂环境进行识别和理解和自车定位，是自动驾驶安全行驶的前提。在这里，你将接触多模态大模型、世界模型、生成式 AI、模型蒸馏等前沿技术与工程方法，参与感知全栈算法的研究与落地，覆盖目标检测、跟踪、场景理解、高效训练与部署优化等核心方向，赋能无人车的大规模商业化落地，共同创造技术的社会价值与商业价值。
任职要求：
2027届毕业生，硕士及以上学历，计算机或相关专业优先；
编程基础扎实，熟悉基本算法和数据结构，至少熟悉以下一门语言：Python、C++；
熟悉深度学习框架，包括但不限于：PyTorch、TensorFlow等；
善于思考，逻辑清晰，有优秀的问题分析和解决能力；
有强烈的自我提升意愿，持续的自我驱动能力，关注业界前沿技术和国际会议研究动态，不断提升自己；
良好的沟通和合作能力，责任心和团队意识强； 加分项：
有自动驾驶相关经验，包括但不限于：智能驾驶、机器人、等项目落地经验；
加分项：在顶级国际会议/期刊上发表论文（CVPR、ICCV、ICML、NIPS等）；
加分项：有编程、数学等相关竞赛成绩。岗位职责： 依托多传感器和地图先验，感知实现对复杂环境进行识别和理解和自车定位，是自动驾驶安全行驶的前提。在这里，你将接触多模态大模型、世界模型、生成式 AI、模型蒸馏等前沿技术与工程方法，参与感知全栈算法的研究与落地，覆盖目标检测、跟踪、场景理解、高效训练与部署优化等核心方向，赋能无人车的大规模商业化落地，共同创造技术的社会价值与商业价值。
多模态感知大模型：参与自动驾驶感知核心算法的研发与车端落地，覆盖目标检测、语义 / 实例分割、多目标跟踪、多传感器融合定位和标定、场景语义理解等技术方向；探索多模态感知大模型、世界模型、通用占据网络等前沿技术路线，构建高鲁棒、可扩展的统一感知体系，支撑复杂城市场景下的无人车安全运行；
世界模型与场景理解：研究交通场景的结构化建模与关系推理，编码智能体与智能体、地图元素与地图、智能体与地图的交互逻辑；探索世界模型在场景预测、语义补全中的落地应用，实现施工区、长停车辆、异常事件等复杂场景的精准认知，直接支撑车辆的避让、跟随等行为决策；
数据驱动的感知能力迭代体系建设。研究基于大模型、世界模型的高价值场景数据挖掘、合成与生成技术，打造自动化数据闭环链路；探索半监督、自监督、弱监督与知识蒸馏等高效训练范式，既降低模型对标注数据的依赖，也实现大模型能力向轻量化模型的精准迁移，提升开放世界、长尾场景下的算法泛化能力与落地性价比；
参与感知算法的性能优化与工程落地，协同AI Infra团队一起开展模型蒸馏、量化、推理加速等全链路优化技术研发，实现算法在车端的低延迟、高可靠部署；参与Lidar、相机等多传感器的标定、时序同步与精度验证工作，保障感知系统的整体性能与可靠性。
任职要求：
2027届毕业生，硕士及以上学历，计算机或相关专业优先；
编程基础扎实，熟悉基本算法和数据结构，至少熟悉以下一门语言：Python、C++；
熟悉深度学习框架，包括但不限于：PyTorch、TensorFlow等；
善于思考，逻辑清晰，有优秀的问题分析和解决能力；
有强烈的自我提升意愿，持续的自我驱动能力，关注业界前沿技术和国际会议研究动态，不断提升自己；
良好的沟通和合作能力，责任心和团队意识强； 加分项：
有自动驾驶相关经验，包括但不限于：智能驾驶、机器人、等项目落地经验；
加分项：在顶级国际会议/期刊上发表论文（CVPR、ICCV、ICML、NIPS等）；
加分项：有编程、数学等相关竞赛成绩。