自动驾驶 VLA/VLM 算法研究实习生

VLM/多模态大模型应用： 基于 Vision-Language Model（VLM），开展其在自动驾驶感知、决策与规划中的落地探索，包括但不限于场景理解、意图推理、驾驶行为解释等任务。 VLA 方案研究与验证： 参与 Vision-Language-Action（VLA）范式在自动驾驶系统中的可行性研究，协助设计端到端或模块化实验方案，验证 VLM 对规控策略的指导作用。 数据构建与评测体系搭建： 负责高质量多模态数据集（图像 + 文本描述 / 驾驶指令）的构建与清洗，参与自动驾驶场景下的评测指标设计与实现，支持模型迭代闭环。 算法原型开发与实验： 复现并改进学术界前沿的多模态大模型方法，结合自动驾驶业务场景进行适配与优化，输出可复现的实验结果与分析报告。 技术沉淀与分享： 跟进 CV 与 NLP 领域最新进展，定期整理调研报告与技术文档，参与团队内部分享，推动 VLM/VLA 技术在自动驾驶方向的落地共识。