端到端目标检测和跟踪算法工程师

优缺点分析

角色解读

• 成为自动驾驶感知领域的专家，深入算法优化与创新
• 向技术架构师或团队管理方向发展，主导感知系统方案
• 借助自动驾驶行业高速发展，获得广阔的职业上升空间
• 研发端到端的目标检测与跟踪模型，用于纯视觉或融合感知方案
• 探索新型深度学习方法，提升实时感知能力上限
• 负责车端模型的性能评估、耗时优化和硬件友好部署
• 通过数据驱动和模型优化，解决实车测试中的问题
• 扎实的C++和Python编程能力，熟悉算法与数据结构
• 熟练掌握深度学习框架（TensorFlow或PyTorch）
• 具备计算机视觉和机器学习知识，如检测、分割、跟踪等
• 有端到端模型或BEV感知经验者优先

申请策略

• 关注轻舟智航的技术博客或公开演讲，了解其技术栈方向
• 在简历中体现对自动驾驶行业的热情和长期兴趣
• 突出端到端感知或BEV相关项目经验，展示技术深度
• 强调C++/Python编程能力及算法优化成果
• 如有顶会论文，重点列出并说明创新点
• 提及模型部署或实车测试的实战经历
• 补充BEV感知的相关知识，阅读最新论文
• 加深对模型部署优化（如TensorRT、量化）的理解

面试指南

• 使用STAR法则（情境、任务、行动、结果）回答问题
• 先明确问题背景，再讲技术细节，最后总结教训
• 展示对比实验和量化结果，体现分析能力
• 请介绍你做过的一个目标检测模型优化案例，包括挑战和解决方案
• BEV感知的原理是什么？主要挑战有哪些？
• 如何平衡模型精度和部署时的推理速度？
• 如何处理自动驾驶中的长尾问题（rare cases）？
• 谈谈你对端到端自动驾驶技术路线的看法