Staff級深度學習工程師，狀態估計——Shield AI（遠端，美國）
負責 Shield AI 自主防禦系統的深度學習與三維視覺工作。 開發用於狀態估計的定位、導航和 Hivemind SDK 能力。
說明
- 建立並評估用於特徵偵測、匹配、視覺對應、深度、相對姿態和影像到地圖定位的模型。
- 融合學習型視覺特徵與幾何技術，提升定位精確度、韌性和恢復能力。
- 負責資料準備與監督實務，包括資料集整理、標註規格、標註工具、自動化品質控管和涵蓋率分析。
- 評估深度學習工具，並透過實驗追蹤、組態控管以及資料集和模型版本管理，建立可重現的訓練流程。
- 建立能夠因應光照、視角、高度、地形、天氣和感測器特性變化的評估方法。
- 調查模型失效原因，並推動資料、監督、建模和系統整合方面的改善。
- 與狀態估計工程師合作，將學習得到的量測值和信心估計納入 VIO 與地形相對導航系統。
- 根據機載運算、記憶體和延遲限制評估模型，並參與最佳化和執行階段驗證。
- 為 Hivemind SDK 製作經過測試且具備文件的元件和介面。
- 與軟體、系統和飛行測試團隊協調合作。
職位要求
- 航空太空工程、電機工程、機器人學、電腦科學或相關學科碩士學位，並至少具備 4 年相關專業經驗；或具備博士學位及 2 年相關經驗。
- 具備使用 PyTorch 或同類框架設計、訓練、除錯和評估模型的實務經驗。
- 深入理解相機模型、座標轉換、射影幾何和多視角幾何。
- 具備視覺導航、視覺地理定位、運動恢復結構、SLAM、三維重建或深度估計等領域的應用經驗。
- 具備進階 Python 技能，並有開發可維護、可重複使用軟體的實績。
- 具備推動電腦視覺能力從問題定義和原始資料，發展至訓練、評估和整合就緒的經驗。
- 具備開發感測器資料處理管線的經驗，涵蓋資料擷取、清理、篩選、去重和資料集版本控管。
- 能夠選擇開發工具，並建立涵蓋組態管理、實驗追蹤、檢查點管理和 GPU 效能除錯的可重現訓練工作流程。
- 具備建立基準測試、防止資料洩漏、檢視不同運作條件下的效能，以及將模型指標與下游幾何或定位精確度關聯的經驗。
- 能夠分析推論延遲和記憶體用量，記錄模型介面與預處理流程，評估精確度與運算資源之間的取捨，並就匯出、精度和執行階段最佳化提供建議。
- 溝通清晰，能夠說明假設、實驗結果和設計取捨，並將研究成果轉化為正式環境軟體。
- 錄用通知以通過背景查核為前提，並可能包括推薦人查核。
福利待遇
- 獎金薪酬。
- 福利方案。
- 股權參與。
- 臨時員工任職 60 天後可獲得臨時福利方案。