负责基于Learning Based方法的视觉SLAM前端特性预研，包括但不限于稀疏特征、稠密光流、纹理增强、暗光降噪、语义分割、稠密重建等方向； 基于PyTorch/TensorFlow等框架实现或改进SLAM系统中的Learning Based算子； 配合团队完成算法在嵌入式平台（如NX、RK3588等）中的量化部署、性能优化； 跟踪前沿论文，复现或优化与视觉SLAM相关的Learning Based工作；

计算机、自动化、电子等相关专业本科及以上学历； 熟悉3D视觉、SLAM、机器学习、深度学习等相关算法，熟练使用相关开源库； 了解稀疏特征、稠密光流、纹理增强、暗光降噪、语义分割、稠密重建等至少一种方向的里程碑式工作与前沿进展； 具备良好的团队协作和沟通表达能力； 加分项 具备Tensorrt，ONNX等模型量化、部署、性能优化等工程经验； 熟悉VINS-Fusion，ORB-SLAM3，SVO，MSCKF，OpenVINS等开源视觉SLAM框架； 熟悉Superpoint、Alike、Disk等稀疏特征相关工作； 熟悉Raft、CoTracker等光流相关工作； 熟悉DnCnn、DarkIR、LiteIE等纹理增强、降噪相关工作； 熟悉UNet、Mask RCNN、SAM等语义、实例分割相关工作； 熟悉VGGT、3DGS等稠密重建相关工作；