端到端算法学员-XC

1. 01

   世界动作模型研发：构建并优化自动驾驶隐空间世界模型，基于真实路测时序数据学习 Latent 状态转移与环境动力学。

2. 02

   端到端规划与策略：探索 World Model 与 Policy 的结合方式，把世界模型作为环境先验，提升端到端规划在长时程、复杂交互场景下的表现。

3. 03

   数据-模型闭环工程：搭建数据、训练、评估、交付的模块化产线，负责多源传感器特征融合、Ego-Action 与环境状态对齐、海量数据清洗与处理。

4. 04

   性能优化与验证：在闭环仿真环境中完成模型评估，定位策略或底层性能瓶颈，推动工程落地

计算机科学 / 人工智能 / 自动化 / 机器人等相关专业，硕士或博士在读。 精通 Python/C++，熟练使用 PyTorch；熟悉 Linux 与 Git，具备扎实的工程实现与代码组织能力。 熟悉时序序列建模与主流架构，对端到端自动驾驶规划、模仿学习（IL）或强化学习（RL）有深入理解。 动手能力强，能独立完成「数据预处理 → 分布式训练 → 性能调优」全流程，具备系统性 Debug 经验。 加分项 有 Diffusion Policy、Drifting Policy 等动作策略的实际项目经验。 熟悉高维隐空间表征学习、状态空间模型（SSM），或 Consistency Models 等高效采样加速方法。 ACM / RoboMaster 等编程或机器人竞赛获奖。 熟悉自动驾驶评测体系，有闭环仿真大规模并行训练经验；或在 CVPR / ICCV / NeurIPS / ICLR / CoRL 等顶会发表过相关工作