【工作职责】
【以下为不同业务方向，可结合自身优势选择】
1、激光雷达信号处理算法的设计、验证与性能优化
（1）参与激光雷达原始信号（直方图/波形）数据分析与建模，研究噪声抑制、峰值检测、深度估计等核心算法；
（2）探索时空特征提取、统计建模及基于神经网络的深度重建方法，提升系统测距精度与鲁棒性。
2、利用数据分析与机器学习方法，改进激光雷达测距精度、帧间一致性与环境鲁棒性
（1）研发激光雷达在避障和SLAM应用场景下的corner case分析与优化；
（2）进阶算法：LiDAR和RGB融合应用算法研发；
3、机器学习与深度学习应用
（1）结合PyTorch/TensorFlow等框架，构建高效的端到端回归或分类网络，实现从信号到深度的智能估计；
（2）参与模型结构优化、蒸馏与量化，提升模型在嵌入式端的性能与功耗效率。
4、算法工程化与NPU算子开发
（1）将算法从Python原型迁移至C++/CUDA/NPU平台，完成推理加速与算子定制；
（2）探索模型编译、图优化、异构算力调度等技术，推动算法在国产AI芯片上的落地。
5、协助研究团队进行实验验证、模型评估及论文搜寻。

【任职要求】
1、研究生及以上（优秀本科生亦可），计算机、电子工程、自动化、光电信息、数学等相关专业；
2、熟练掌握 Python / C++ 编程，具备良好的算法实现能力；
3、熟悉 机器学习 / 深度学习 理论与框架（PyTorch / TensorFlow 任一）；
4、对 信号处理 / 计算成像 / 激光雷达 / 嵌入式AI 等方向有强烈兴趣；
5、具备扎实的数学基础（线性代数、概率统计、优化理论），具备科研或竞赛经历者优先；
6、若具备 ONNX / NPU / 算子开发经验，或有AI芯片项目经验者优先。

【你将得到的】
1、与核心算法工程师共同参与新一代激光雷达感知系统研发；
2、实习直接参与量产产品算法开发，能够在半年~一年内实现产品落地；
3、深入理解从算法原型到NPU落地全流程的工程化实践；
4、技术导师1对1指导与转正机会；
5、灵活的实习时间安排与多地研发中心（深圳 / 上海 / 杭州 / 德清）可选。