图森未来算法岗分享（附内推码）

图森未来算法组实习生直推啦

图森未来2024届暑期实习招聘已经开始了，作为图森算法组的一员，也想来为我组做一波宣传。当然算法组长期招人，不只局限于实习，期望找全职工作的同学也可以随时投递简历。

【个人经历】

因为我是先实习后转正的，所以在此先给大家介绍一下个人经历，给想要找实习的同学们做下参考。我本科毕业于北京航空航天大学，22年7月份来到图森实习。在来图森之前，有过一些计算机视觉的相关经历，对于深度学习也有一些了解以及实践经验。面试过程还比较顺利，基本上跟乃岩聊了一下自己的一些项目经历，就很快拿到offer了。

入职之后的一年时间，算是我成长最快的一段时间吧。刚入职时主要在做模型加速相关的一些工作，基本上是从复现paper开始，对整个领域有一些初步的了解之后，开始实现一些新的想法，并设计实验验证猜想。期间基本上有问题都能随时跟乃岩以及身边的同事讨论，各个大神也都能解决我的一些困惑与问题。实习阶段的工作后来也都转化成了一些成果，个人也满意公司的氛围以及环境，后面也是顺利转正了。

【工作内容】

因为有很多同学会问，在无人驾驶公司做算法，主要都是在做些什么？下面我和大家介绍一下组内的工作内容。

算法组基本涵盖三大模块：perception、localization以及planning，每个模块的研究重点略有不同。大家可以根据自己本身的研究方向或者兴趣来选择相应的模块。具体的JD在我们的招聘链接也有说明，这里我主要介绍一下perception方面的一些工作内容。

Perception方面的工作主要会围绕一下两个大的方向：

一个是基于sensor的感知算法：

2d/3d Object Detection，Semantic Segmentation，Object Tracking，Depth Estimation，Lidar based Object Detection以及Network Acceleration等。

另一方面则是上述这些感知算法的下游：

Multi Sensor Fusion以及Motion prediction等。

以network acceleration为例，为了让感知算法能够以满足条件的帧率运行在车上系统中，网络推理加速是必不可少的一个部分。为了能够得到更加高效的网络，我们首先会调研并复现一些常用的加速算法，例如network pruning，knowledge distill等，在公开数据集上复现基础的分类baseline。但在实际应用中，我们往往更加关注分类以外的其他任务，如detection以及segmentation等，直接将现有方法套用在这些任务上，往往不能直接奏效。例如knowledge distll，虽然经典方法在图像分类任务上能够有很大的提升，但在segmentation上其实提升并不明显。因此，在工作中，更重要也更具挑战性的部分往往是如何利用现有知识来解决实际问题。这个时候，扎实的基础知识以及优秀的实验分析能力，往往是解决这些挑战性问题的关键。

总体来说，Perception相关的实习生工作基本都会经历一下三个阶段：

（1）选择自己比较感兴趣的方向或者问题，survey相关paper；

（2）复现基础的baseline，在此基础上有一些new idea并进行改进；

（3）进行成果转化，写paper/专利，并集成到车上系统。

【组内情况】

1. 组内资源

算法组由首席科学家王乃岩直接负责，实习生有机会由他直接指导。另外还有很多十分靠谱的小伙伴以及科研大神，有问题大家都会积极帮忙解决。

2. 方向与机会

组内三个大方向：perception、localization以及planning。

对于希望继续深造，或者想要获得更多的计算机视觉以及深度学习相关实践经验的同学，perception方向会是一个非常合适的选择。实习期比较长或者工作特别优秀的同学，有发paper的机会。

对于想要深入了解无人驾驶，并投身其中的同学，localization以及planning方向的工作内容能够给你提供具有挑战性的问题，以及实际场景供你测试。

总体来说，无论你是想做计算机视觉方面的research工作，还是想深入产品第一线，利用自己的能力以及知识解决自动驾驶中的实际问题，我们都能给你提供满足你需要的工作环境以及相应指导。