岗位职责: 1、对车端传感器实时感知的静态要素结果（车道线\路沿、交通灯、标识牌）进行重建融合，实现路面标识或空中标识的关联、跟踪、3D重建等算法开发与优化； 2、基于Transformer/GNN实现数据驱动的车端道路拓扑模型搭建和训练； 3、搭建静态重建融合算法评估的方案，保障算法能够在多复杂场景稳定运行； 任职要求: 1、硕士或博士研究生在读，计算机/电子/自动化等相关专业学位；有ACM经验者优先，拥有机器人/人工智能领域顶会论文者优先考虑； 2、熟练掌握Transformer/GNN理论知识，熟悉Vector编码，熟练使用pytorch搭建/训练/部署图网络； 3、熟练掌握Slam技术的理论基础，掌握经典的VIO/LIO/VSLAM/SFM 等算法，以及概率论、非线性优化、李群李代数等数学知识； 4、精通Slam技术的工程实现，包括前端里程计、后端优化、回环检测等模块核心模块的算法细节，熟悉主流视觉slam的开源框架，例如Orb-slam、Vins等，完整阅读并掌握至少其中一种框架的源码； 5、熟悉面向自动驾驶的地图数据结构和表达方式，有车端地图相关工作经历，熟悉拓扑信息构建者； 6、具有扎实的C/C++/Python编程能力，熟悉常见的优化库，如g2o,ceres等；能够独立、高质量完成算法的工程化实现； 7、熟悉ROS/ROS2系统以及Linux编程，能够高效高质地将算法部署在嵌入式Linux平台。