一、职位描述

图像语义理解的核心算法工程师，负责开发面向人工智能机器人的视觉认知系统。通过构建多模态语义理解框架，实现机器人对复杂场景的实时感知、推理与决策支持。核心方向包括但不限于：2D/3D场景语义分割、目标检测与追踪、视觉-语言对齐、上下文推理及跨模态知识融合。

二、核心职责

1. 设计并优化基于深度学习的图像语义理解算法，解决机器人场景中的物体识别、空间关系理解、动态场景建模等关键问题

2. 开发多模态感知系统，实现视觉、语言、触觉等传感器的语义级数据融合

3. 构建机器人视觉认知基准测试集，建立可量化的评估体系

4. 针对嵌入式平台优化算法，平衡精度与实时性需求（FP16/INT8量化、模型剪枝等）

5. 与机器人运动控制、导航团队协同，将视觉语义输出转化为可执行决策指令

三、技术要求

1、精通计算机视觉基础理论（卷积神经网络、Transformer架构、图神经网络等）

2、熟练掌握至少一种深度学习框架（PyTorch/TensorFlow）及配套开发工具链

3、具备扎实的数学基础（线性代数、概率论、优化理论）

4、在以下领域有实战经验（至少两项）：

（1）开放场景语义分割（如Segment Anything模型应用）

（2）3D视觉理解（点云处理、NeRF、多视图几何）

（3）视觉-语言模型（CLIP、BLIP、DeepMind Flamingo等）的微调与部署

（4）视频理解（时序动作检测、事件预测）

5、熟悉机器人操作系统（ROS）及常见传感器（RGB-D相机、激光雷达）的数据处理

6、具备模型加速经验（TensorRT部署、ONNX优化、TVM编译等）

四、加分项

1、有机器人认知系统开发全流程经验（从数据采集到端侧部署）

2、熟悉认知科学或神经科学中的视觉感知理论

3、参与过开源项目（如MMDetection、Detectron2等）核心开发