算法工程师

### **工作职责** 1. **AI驱动的决策规划算法研发**：主导基于深度强化学习（如DDPG、DQN、SAC等）、模仿学习、端到端学习等AI技术的自动驾驶决策规划系统开发，覆盖复杂场景下的行为决策、交互博弈、运动规划等核心模块。 2. **算法落地与优化**：推动AI决策规划算法在量产项目中的实际部署，包括车载嵌入式平台的性能优化（如算力适配、实时性提升）、多传感器数据融合验证及系统鲁棒性增强。 3. **商业化场景适配**：针对城市道路、高速、园区等商业化场景（如Robotaxi、L3/L4级乘用车），设计并验证AI算法的泛化能力，解决长尾问题（如极端天气、复杂交通参与者交互）。 4. **全流程技术闭环**：主导数据驱动的算法迭代，构建仿真-实车测试-用户反馈的技术闭环，提升算法在实际道路中的安全性和用户体验。 5. **跨团队协作**：与感知、控制、高精地图团队紧密合作，优化多模块协同效率，推动AI决策规划系统在整车中的集成与性能验证。

--- ### **任职要求** 1. **学历与经验**： - 硕士5年以上或博士3年以上自动驾驶AI算法研发经验，需有至少1个完整量产项目落地经验（L3及以上级别优先）。 - 计算机、人工智能、机器人、控制工程等相关专业。 2. **技术要求**： - 精通深度强化学习（DRL）、端到端学习、模仿学习等AI算法，熟悉其在实际场景中的调优方法（如奖励函数设计、稀疏奖励问题解决）。 - 熟悉自动驾驶决策规划技术栈（如场景理解、行为预测、博弈决策），具备AI算法替代传统规则引擎（Rule-based）的实践经验。 - 熟练掌握PyTorch/TensorFlow框架及C++工程化能力，熟悉车载计算平台（如英伟达Orin、华为MDC）的算法部署流程。 - 熟悉大规模仿真测试工具链（如CARLA、LGSVL），具备数据闭环构建经验（如场景挖掘、影子模式）。 3. **加分项**： - 有AI决策规划算法在Robotaxi、干线物流等领域的规模化商用经验。 - 在会议（CVPR、ICRA、CoRL等）发表过AI与自动驾驶结合的论文，或主导过相关专利。 - 熟悉大语言模型（LLM）在驾驶决策中的应用，如场景理解、可解释性提升等前沿方向。