职位描述：
1. 负责自动驾驶业务场景下的感知算法研发，调研跟进前沿算法，辅助业务落地，包括但不限于：
a）激光雷达3D多任务感知，如3D Object Detection，3D Semantic Segmentation， 3D Occupancy Flow Prediction, EndToEnd, World Model等；
b）BEV视觉感知和前融合算法，如BEVDet，BEVFusion，Occupancy Network等；
c）感知全链路研发，如跟踪，多传感器融合等；
2. 负责自动驾驶数据算法研发，助力数据自动化生产和4D真值构建，包括单不限于：
a) SLAM/SFM算法研发；
b) 基于Deep Learning的MonoDepth/Multi-View Stereo算法研发；
c）NerF相关算法研发；
d）大模型AIGC、LMM、NerF、3D Gaussian生成等技术研发；
3. 将相关结果总结沉淀，发表高水平论文 。
职位要求：
1. 具备一定的科研背景：在自动驾驶相关的感知算法（包括BEV感知，Lidar 3D Detection/Segmentation，Occupancy Network，EndToEnd, 多传感器融合，NerF，单目/多目深度估计，三维重建，LMM, AIGC大模型）中的一个或多个领域有过深入研究的经历；
2. 熟悉一个或多个深度学习框架，有tensorflow/pytorch的深度使用经验者优先；
3. 有过相关领域的会议论文发表（CVPR、ICCV、ECCV等等）或在相关领域的学术竞赛（ImageNet、COCO、Kitti、Waymo等等）中取得较好成绩者优先；
4. 相关领域有国内知名实验室、企业实习经历或发表相关论文、有算法编程竞赛/自动驾驶或机器人相关竞赛经历：如KITTI、nuScenes、Waymo、中国智能车未来挑战赛等优先；
5. 面对未知的领域和问题，有非常强的自学能力。
招聘部门：
小米
工作地点：
上海市
面试建议：
小米的感知算法实习生职位是一个极具挑战性的岗位，它要求应聘者在自动驾驶感知算法领域有深入的研究和实践经验。这个岗位的特殊之处在于它不仅关注传统的感知算法，还涉及到前沿的大模型技术和3D生成技术。面试官会特别关注你在BEV感知、激光雷达3D感知、多传感器融合等领域的实际经验，以及你在深度学习框架上的熟练程度。 为了准备这个面试，你需要重点准备以下几个方面：首先，确保你对自动驾驶感知算法有深入的理解，特别是BEV感知和激光雷达3D感知。你可以通过回顾相关论文和项目经验来巩固这方面的知识。其次，准备好展示你在深度学习框架（如tensorflow或pytorch）上的实践经验，包括你如何解决实际问题的案例。最后，如果你有相关领域的论文发表或竞赛成绩，一定要详细准备这些内容的介绍，包括你的贡献和成果。面试官很可能会深入询问这些经历。