地平线招聘微官网
仿真动力学模型研发工程师/专家
岗位职责
车辆动力学模型开发 -负责面向自动驾驶仿真的车辆动力学模型设计、开发和持续迭代。 -建立车辆纵向、横向、垂向及整车六自由度运动模型。 -建立车辆运动学模型、动力学模型及轮胎模型，包括车辆质心运动、横摆、侧偏、轮胎侧向力/纵向力等。 -根据不同仿真需求，开发不同复杂度等级的车辆模型，在 精度、实时性和稳定性 之间进行合理权衡。 -建立适用于不同车型、不同工况和不同道路条件的车辆模型。
车辆关键部件与子系统建模 -建立车辆转向、制动、驱动、电机、变速箱等关键子系统模型。 -建立轮胎模型，包括纵向/横向力、侧偏特性、联合滑移等。 -根据实际车辆特性建立悬架、空气阻力、滚阻、坡度等必要物理模型。 -根据仿真需求研究不同复杂度的 Tire Model / Powertrain Model / Steering Model 等。
模型参数标定与真实车辆数据拟合 -基于真实车辆测试数据进行车辆动力学模型参数辨识与标定。 -分析车辆 CAN、IMU、GPS、轮速、转角、加速度、横摆角速度等数据。 -设计参数辨识、曲线拟合及优化方法，对车辆质量、质心位置、惯量、轮胎参数、转向系统参数等进行估计。 -建立从 真实车辆数据 → 参数辨识 → 模型标定 → 仿真验证 的完整流程。 -持续分析仿真车辆与真实车辆之间的差异，并优化模型精度。
自动驾驶闭环仿真 -将车辆动力学模型集成至自动驾驶仿真系统，为 Planning / Control 等模块提供真实车辆响应。 -支持不同驾驶控制输入下的车辆运动仿真，包括 Steering、Throttle、Brake 等。 -验证自动驾驶控制算法在不同车辆模型下的稳定性和鲁棒性。 -分析规划轨迹、控制指令与实际车辆运动之间的误差。 -支持大规模自动驾驶场景下的实时或加速仿真。
模型验证与评测 -建立车辆动力学模型的离线及闭环评测体系。 -通过真实车辆测试数据与仿真数据进行对比，评估模型在不同工况下的准确性。 -覆盖加速、制动、转向、变道、紧急避障、低附着路面等典型工况。 -研究模型在极限驾驶、极端工况下的稳定性和物理合理性。 -建立不同车型之间的模型复用、参数化和自动标定能力。
仿真系统工程化 -负责车辆动力学模型的模块化、参数化和工程化实现。 -优化模型计算性能，满足实时仿真、大规模并行仿真等要求。 -与仿真引擎、规划控制、车辆控制器、场景生成等团队协作。 -推动车辆模型从 Matlab / Simulink / CarSim 等原型环境向生产级仿真系统迁移
任职要求
必备条件
硕士及以上学历，车辆工程、汽车工程、机械、控制、机器人、自动化、力学等相关专业。
具备扎实的车辆动力学、汽车理论、控制理论或系统建模基础。
熟悉车辆运动学和动力学基本原理，能够独立建立和分析车辆动力学模型。
熟悉车辆纵向、横向动力学以及轮胎模型。
具备较强的工程实现能力，熟悉 C++ / Python / Matlab 中至少一种，熟悉 C++ 者优先。
具备车辆测试数据分析和模型参数标定经验。
能够独立完成 模型设计 → 参数辨识 → 标定 → 仿真 → 真实数据验证 的完整工作流程。 优先考虑
有自动驾驶仿真、车辆动力学仿真相关工作经验。
熟悉 CarSim、Simulink、AMESim、Modelica、PreScan、CARLA、Unreal Engine、BeamNG 等仿真工具。
熟悉 Pacejka / Magic Formula 等轮胎模型。
熟悉自行车模型（Bicycle Model）、单轨模型（Single-track Model）、多体动力学模型等。
有车辆参数辨识、系统辨识（System Identification）经验。
有实车测试、车辆 CAN 数据分析经验。
有整车控制、底盘控制、ESC / EPS / ABS 等相关开发经验。
有高精度车辆动力学模型与实时仿真模型开发经验。
有 GPU 并行仿真、Simulation Acceleration 或大规模仿真系统经验。
有数据驱动模型、Machine Learning 或 Neural Network 辅助动力学建模经验。 加分项
能够根据真实车辆数据自动完成车辆动力学参数辨识。
具备车辆动力学模型降阶、实时化和数值稳定性优化经验。
熟悉不同精度等级车辆模型的设计，例如：Kinematic Model → Dynamic Bicycle Model → Full Vehicle Model。
有从高精度模型生成实时仿真模型（Real-time / Reduced-order Model）的经验。
有自动驾驶规划控制、轨迹跟踪控制相关经验。
有从 0 到 1 搭建车辆动力学仿真模块的经验。 我们希望你解决的问题 加入团队后，你将重点解决以下问题： -如何根据真实车辆测试数据自动完成车辆动力学参数辨识？ -如何让仿真车辆的加速度、横摆角速度、侧向加速度、轨迹响应等关键指标尽可能接近真实车辆？ -如何建立覆盖不同车型、不同轮胎、不同载荷和不同路面条件的参数化车辆模型？ -如何在保证仿真稳定性的同时支持极限驾驶和高风险场景？ -如何将传统车辆动力学模型与数据驱动方法结合，在保证物理约束的情况下进一步提高模型精度？
信息来自企业官方招聘渠道
OfferSeek 对公开岗位信息进行聚合、去重和结构化整理，最终申请以企业官方页面为准。