智驾规控算法开发工程师(J28171)

1.高阶规控算法研发与量产落地：负责L3、L4级自动驾驶行车决策规划核心算法的研发、工程化与实车调试，主导算法在城区NOA、高速NOA等功能的量产交付，确保系统的安全性、舒适性与极致拟人化体验。

2.模型与规则深度融合方案设计与实施：主导以下一项或多项高阶技术路线的探索与落地：

2.1端到端规控模型：研发基于模仿学习、强化学习、VLA、世界模型等的端到端规控模型，提升corner case中的智驾产品体验。

2.2数据驱动与规则系统融合：设计并实现深度学习模型与传统规则系统的深度融合框架，充分发挥数据驱动泛化能力与规则系统可解释性、安全边界保障的双重优势。

2.3交互博弈与决策智能：构建面向中国复杂城市场景的交互式博弈决策框架，研发基于多智能体强化学习（MARL）等的类人决策，并应用落地。

2.4统一环境建模与泛化：构建兼容不同地图规格（轻图、导航图、在线图等）的统一环境表征模型，支撑算法在中高阶平台与特定运营区域（如Robotaxi）的快速适配与泛化。

3.全链路数据闭环与系统迭代：主导规控相关数据挖掘、场景库构建、仿真评测与模型训练迭代的全链路数据闭环建设。与感知、预测、控制、仿真及工具链团队紧密协同，共建高阶自动驾驶的评测验证体系。

4.系统集成与工程化优化：负责规控算法在车载嵌入式平台的部署、性能优化与功耗控制，解决模型剪枝、量化、编译及实时性（目标延迟<100ms）等工程挑战。主导量产车辆问题回流分析、根因定位与解决方案实施，实现技术闭环。

1.学历专业要求：本科及以上学历，计算机、自动化、车辆工程、机器人、人工智能等相关专业

2.工作经验要求：5年以上自动驾驶决策规划算法开发经验；必须具备 L3、L4 或城区 NOA 完整量产交付经验

3.专业技能要求：精通C++，具备Linux环境下高性能、高可靠性代码开发与优化能力；熟练使用Python及PyTorch、TensorFlow等框架，或具有大规模模型训练、调试及嵌入式部署（TensorRT等）实战经验；深入理解并掌握模仿学习、强化学习、模仿学习、知识蒸馏、因果推理等前沿技术，有相关模型研发、调优及解决实际Corner Case的经验；精通主流的决策规划算法，如基于包括优化、采样、搜索、平滑等轨迹生成与运动规划方法，具备扎实的车辆运动学、动力学基础；对如何将数据驱动模型与基于规则的系统进行有效融合有深刻见解和成功实践，能设计兼顾性能、安全与可解释性的混合架构

4.综合素质要求：具备强烈的业务导向和产品思维，能深度参与产品定义与技术规划。拥有出色的跨团队沟通协作能力、复杂技术问题的拆解与攻坚能力，以及带领技术团队进行前沿探索的领导潜力