25届未来精英-Robotaxi 感知

自动驾驶感知和定位技术挑战

感知团队的职责，是根据传感器和高精地图的信息，对周围环境进行识别和理解，并对自车进行定位。在这里，你将研究和设计相关领域前沿算法，包括目标检测、分割、跟踪、场景理解、定位、模型压缩加速、基于大模型的数据挖掘与合成、半监督自监督、传感器标定等算法，直接赋能L4 无人车的大规模落地，创造社会价值和商业价值。一些项目包括：

感知大模型 基于俯视图的多模态（激光雷达/相机）大模型，可支持多种任务，比如常见目标的检测、分割等。

占据空间 一种通用的目标检测方法，将周围环境抽象为占据、非占据的空间，解决开放世界层出不穷的异形物体识别问题，为感知召回能力兜底，保证自车安全。

端到端跟踪用基于深度学习的方法，替代经典的匈牙利匹配+卡尔曼滤波算法，通过数据驱动提升性能。

场景理解通过编码周围环境中智能体和智能体、地图和地图、以及智能体和地图的交互关系，实现对相应场景的理解 (比如施工区连接、智能体是否是长停的车)，直接影响自车行为（避让、跟随等）。

定位通过自车学习的语义信息和高精地图语义信息的匹配、以及GNSS/IMU/Canbus等信号，提升定位精度和鲁棒性，保证自车安全。

基于大模型的数据挖掘/合成调研和应用各种大模型，挖掘/合成高价值场景，提升模型相应场景表现。

半监督自监督调研和开发各种高效算法，降低模型对标注数据的依赖。