深度学习决策规划及数据产线算法工程师（J89409）
岗位摘要
设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题，开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题，开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹
- 研究强化学习（RL）、递推训练等闭环训练技术，提升自动驾驶系统的拟人化水平和实际路测表现
- 研究适用于规划模型的数据驱动流程，通过研究数据、认识数据、开发数据来驱动规划能力的增长
- 负责PNC产线的工程架构开发和升级，负责PNC数据feature的开发，包括新字段、数据挖掘和数据画像
任职要求
- 计算机科学、机器人学、控制工程、应用数学等相关专业硕士/博士，或具备同等研究经验
- 熟练掌握深度强化学习（DRL）、模仿学习（Imitation Learning）、序列决策（POMDP）等方法的理论与实践
- 熟悉数据获取、筛选、清洗流程，对数据有深入的认识和理解。有过数据驱动经验的同学优先
- 熟悉PyTorch/TensorFlow框架，具备Python/C++编程能力及Linux开发经验
- 了解经典决策规划算法（如A*、RRT*、MPC）或控制理论（如车辆动力学模型）
- 熟悉自动驾驶决策规划任务（行为决策、轨迹生成、交互建模）及数据集（nuPlan、Waymo Motion Dataset）
- 具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。