语义地图算法实习生

1. 多模态语义理解与特征融合：负责利用开放词汇（Open-Vocabulary）检测/分割模型（如 YOLO-World, Grounding DINO, SAM 等）或 VLM 先验，实时提取家庭环境中的三维物体标签、空间边界及场景属性。 2. 实现语义特征与传统 SLAM 几何数据（RGB-D、LiDAR、IMU）的鲁棒时空对齐与数据关联。 3. 分层拓扑地图架构设计 (Layered Mapping)： 设计并实现多层联动地图架构，包括但不限于：底层几何层（栅格地图/TSDF）、中间物体/属性层（3D Bounding Box / 语义稠密网格）、高层拓扑层（房间连通图/语义关系图）。 4.基于维诺图及图论的空间表征 (Generalized Voronoi Diagram)：负责研发基于广义维诺图（GVD / Voronoi Diagram）或骨架提取算法的空间拓扑化表征技术。 利用维诺图将复杂的 2D/3D 家庭自由空间压缩为一维拓扑中轴线网络，提取关键拓扑节点（如房门、狭窄通道），用于实现低功耗、高效率的路径规划与语义划分。 5. 动态地图更新与记忆反思机制 (Map Maintenance)： 研发针对家庭场景的长周期、动态地图更新算法，有效处理家具移动、房门开关、人员走动等引起的地图环境变更。 6. 设计增量式更新（Incremental Update）与概率维护机制，确保地图信息在数天或数月运行后的时空一致性与语义鲁棒性。 7. 端侧部署与跨团队打通：负责将算法移植、量化并优化部署在边缘端计算平台，配合 VLN（视觉语言导航）算法团队，实现高效的语义地图查询、拓扑定位与大规模语义数据存储。

1. 计算机、自动化、机器人、测绘遥感等相关专业硕士及以上学历（优秀学士或有顶会成果者不受此限）。 2. 精通 Python 和 C++，具备优秀的软件架构设计能力和高效的数据结构与算法基础。 3. 深入理解经典 2D/3D SLAM 与状态估计理论（如激光激光 SLAM、视觉 SLAM 或三维重建）。 4. 熟练掌握图论与计算几何基础，有维诺图（Voronoi Diagram）、Delaunay 三角剖分、拓扑骨架提取或图搜索算法（$A^*$, Dijkstra, HPA*）的实际开发经验。 5. 熟悉深度学习在三维视觉中的应用（如三维物体检测、语义分割、开放词汇识别）。 6. 熟练掌握 Linux 环境，精通 ROS/ROS2 机器人操作系统，熟练使用 OpenCV、PCL（Point Cloud Library）、g2o/Ceres 或图形数据库。