負(fù)責(zé)自動(dòng)駕駛領(lǐng)域自動(dòng)標(biāo)注解決方案的架構(gòu)設(shè)計(jì)、平臺(tái)搭建和系統(tǒng)優(yōu)化,，推動(dòng)數(shù)據(jù)的高效,、精準(zhǔn)標(biāo)注/生產(chǎn)，構(gòu)建支持模型訓(xùn)練,、仿真測(cè)試和數(shù)據(jù)閉環(huán)的自動(dòng)標(biāo)注體系,，提升自動(dòng)駕駛數(shù)據(jù)處理效率與算法迭代速度。
崗位職責(zé)
自動(dòng)標(biāo)注體系設(shè)計(jì)與實(shí)現(xiàn)
?負(fù)責(zé)自動(dòng)標(biāo)注鏈路的整體解決方案架構(gòu)設(shè)計(jì),，涵蓋多模態(tài)數(shù)據(jù)（圖像,、點(diǎn)云、雷達(dá),、IMU,、CAN數(shù)據(jù)）的自動(dòng)化標(biāo)注/生產(chǎn)流程。
?設(shè)計(jì)并實(shí)現(xiàn)數(shù)據(jù)自動(dòng)標(biāo)注/生產(chǎn)鏈路,，實(shí)現(xiàn)數(shù)據(jù)采集→自動(dòng)標(biāo)注/生產(chǎn)→質(zhì)量校驗(yàn)→模型回流的全鏈路自動(dòng)化,，提升數(shù)據(jù)閉環(huán)效率。
?結(jié)合自動(dòng)駕駛業(yè)務(wù)需求,，設(shè)計(jì)多類型標(biāo)注方案（2D/3D目標(biāo)檢測(cè),、語(yǔ)義分割、時(shí)序跟蹤,、行為預(yù)測(cè),、場(chǎng)景理解等）。
?與算法團(tuán)隊(duì)協(xié)作,，設(shè)計(jì)規(guī)則驅(qū)動(dòng)（Rule-based）與深度學(xué)習(xí)驅(qū)動(dòng)（ML/DL-based）相結(jié)合的自動(dòng)標(biāo)注解決方案,，提升標(biāo)注精度與效率。
?優(yōu)化預(yù)標(biāo)注與人機(jī)協(xié)同模式,，基于少樣本學(xué)習(xí),、主動(dòng)學(xué)習(xí)、模型微調(diào)等技術(shù)提升長(zhǎng)尾場(chǎng)景與復(fù)雜場(chǎng)景的標(biāo)注質(zhì)量,。
?設(shè)計(jì)標(biāo)注質(zhì)量評(píng)估體系,，構(gòu)建自動(dòng)化標(biāo)注結(jié)果的精度、召回率,、誤差分析,、數(shù)據(jù)漂移監(jiān)測(cè)等指標(biāo)評(píng)估與校驗(yàn)機(jī)制。
?建立數(shù)據(jù)反饋與糾錯(cuò)閉環(huán),，基于自動(dòng)駕駛算法需求,，持續(xù)提升自動(dòng)標(biāo)注覆蓋度、數(shù)據(jù)多樣性和精度,。
?支持主動(dòng)學(xué)習(xí)與數(shù)據(jù)再標(biāo)注策略,，自動(dòng)發(fā)現(xiàn)模型薄弱區(qū)域，提升自動(dòng)標(biāo)注數(shù)據(jù)對(duì)算法性能的正向驅(qū)動(dòng),。
?負(fù)責(zé)數(shù)據(jù)標(biāo)注流水線（Data Pipeline）的建設(shè)與優(yōu)化,，提升數(shù)據(jù)流轉(zhuǎn)、任務(wù)調(diào)度,、標(biāo)注回流的性能與穩(wěn)定性,。
?關(guān)注行業(yè)前沿技術(shù)與開(kāi)源社區(qū)，推動(dòng)自動(dòng)標(biāo)注領(lǐng)域的技術(shù)創(chuàng)新與最佳實(shí)踐,。
