仿真深度学习算法专家

1. 01

   基于学习的车辆动力学模型 -基于真实车辆行驶数据，训练数据驱动的车辆动力学模型（Learned Vehicle Dynamics Model）。 -建立车辆状态、控制输入、道路环境与未来轨迹之间的时序动力学关系。 -研究车辆运动学/动力学与深度学习模型的结合，包括 Transformer、RNN、State Space Model、Neural ODE 等方法。 -提升模型在不同车型、不同道路、不同驾驶工况下的泛化能力，并实现高稳定性的长时序 rollout。

2. 02

   碰撞风险与安全模型 -基于真实驾驶数据、仿真数据及事故/危险场景数据，训练碰撞风险预测模型。 -建立车辆之间以及车辆与环境之间的时空交互模型，预测未来碰撞概率、TTC、Near-miss 等风险指标。 -研究面向仿真的风险模型，使其能够支持危险场景生成、自动化测试以及闭环强化学习。 -探索基于生成模型/世界模型的风险场景建模与高风险样本挖掘。

3. 03

   类人驾驶/交通参与者行为模型 -研究真实驾驶员和交通参与者的行为规律，训练类人驾驶（Human-like Driving）模型。 -建模车辆跟驰、换道、超车、避障、交互博弈以及复杂交通场景下的决策行为。 -研究基于 Transformer、Diffusion、Flow Matching、Generative Model、RL 等方法的驾驶行为生成。 -让仿真环境中的交通参与者具备更加真实、合理且多样化的驾驶行为。

4. 04

   数据与训练系统 -负责训练数据构建、数据清洗、场景切分、难例挖掘及数据质量分析。 -搭建大规模深度学习训练 pipeline，支持模型训练、评测、可视化和迭代优化。 -建立覆盖离线指标与闭环仿真的模型评测体系。 -持续分析真实数据与仿真数据之间的 domain gap，并优化模型的真实性与泛化能力

必备条件

1. 01

   硕士及以上学历，计算机、人工智能、自动驾驶、机器人、控制、数学、电子工程等相关专业。

2. 02

   具备扎实的深度学习基础，对 Transformer、CNN、Attention、生成模型、强化学习等核心技术有深入理解。

3. 03

   具有较强的模型设计、训练和调优能力，熟悉 PyTorch 等主流深度学习框架。

4. 04

   具有以下一个或多个方向的实际经验： 自动驾驶预测/规划 车辆动力学建模 轨迹预测 行为预测 风险预测/碰撞预测 生成模型 World Model 强化学习 Robot Learning 时序模型

5. 05

   能够独立完成从 问题定义 → 数据构建 → 模型设计 → 训练 → 评测 → 工程落地 的完整算法闭环。

6. 06

   具备较强的数学和工程能力，能够深入分析模型训练及推理过程中的问题。 加分项

7. 01

   有自动驾驶仿真系统、闭环仿真或 Scenario Generation 相关经验。

8. 02

   有车辆动力学模型、CarSim、PreScan、Carla、BeamNG、Isaac Sim、Unreal Engine 等相关经验。

9. 03

   有 World Model、Diffusion、Flow Matching、VAE、GAN、NeRF、3D Gaussian Splatting 等生成模型经验。

10. 04

    有 RL / Offline RL / Imitation Learning / Inverse RL 经验。

11. 05

    有大模型、Multimodal Model、Vision-Language Model 经验。

12. 06

    有真实驾驶大规模数据集训练经验。

13. 07

    在 NeurIPS、ICML、ICLR、CVPR、ECCV、TPAMI、TITS、IV、ITSC 等会议/期刊发表过相关论文。

14. 08

    有较强的科研能力，能够快速跟踪并复现前沿论文。 我们希望你解决的问题 你加入后，将重点解决类似以下问题： -能否从真实车辆数据中学习一个 准确且稳定的车辆动力学模型，让仿真车辆拥有接近真实车辆的运动特性？ -能否训练一个模型预测复杂交通环境中的 碰撞风险与危险程度？ -能否让仿真环境中的车辆具备接近真实驾驶员的 类人决策与驾驶风格？ -能否利用生成模型自动生成大量真实、合理、多样且高风险的驾驶场景？