AI算法开发工程师

负责端到端决策及规划分支研发：基于 BEV 全局特征、导航指令、预测信息构建轨迹解码器，实现自车候选轨迹生成、轨迹打分、冲突规避、多模态轨迹选择；

设计 BEV 空间交互建模方案（Transformer Query 交互、稀疏实例表征、自车 - 周围参与者博弈建模），解决路口交互、汇入汇出、避让等长尾驾驶场景；

开展端到端模型训练策略设计：多任务损失加权、知识蒸馏、时序一致性约束、模仿学习、RL后训练方案；

构建面向端到端预测 & 规划的离线评测体系：轨迹合理性、碰撞风险、乘坐舒适性、通行效率、占用预测精度指标，定位模型失效 Case；

跟进前沿方案：世界模型、扩散轨迹规划、稀疏表征端到端框架，结合量产需求完成方案迭代；

设计针对预测 / 规划失效场景的数据挖掘、主动学习策略，完善数据闭环、版本管理与量产交付；输出算法方案文档、策略规范、测试报告与迭代总结

硕士及以上，自动化、计算机、机器人、车辆工程等相关专业；

扎实深度学习基础，精通 PyTorch，熟练 Transformer、时序模型；熟悉 BEV 空间表征范式；

有自动驾驶相关经验：运动预测、端到端规划、多任务联合建模至少一项落地经验；

理解自动驾驶城区 / 高速 NOA 场景，熟悉交通参与者交互、轨迹评价、碰撞约束； 熟悉 nuScenes、Waymo 等数据集评价指标，具备离线仿真评测、badcase 分析能力；

熟练 Linux、Git、分布式训练、数据处理 Pipeline；具备良好算法工程化能力； 能够读懂并复现 UniAD、SparseDrive、DriveWorld 等端到端主流框架优先