自动驾驶PNC算法工程师-campus-2027

参与L2+/L4自动驾驶系统Planning & Control（PNC）算法研发。

参与行为决策、路径规划、速度规划、轨迹生成及车辆控制算法开发。

参与跟车、换道、超车、汇入汇出、避障、路口、高速干线等复杂场景的规划算法设计与优化。

参与车辆运动学、动力学建模及横纵向控制算法开发，包括LQR、MPC、PID等。

参与E2E Planning算法研发，探索Transformer、Diffusion、Flow Matching、World Model等生成式规划技术。

参与Trajectory Loss、Collision Cost、Comfort Cost、Progress Cost及车辆动力学约束等规划模型训练目标设计。

参与Imitation Learning、PPO、GRPO、Offline RL、Reward Model等强化学习方法在自动驾驶规划中的研究与应用。

参与规划算法离线评测、闭环仿真、实车测试及数据闭环优化。

参与Corner Case分析、问题定位及规划控制算法持续优化。

协同感知、预测、定位、地图、控制及底盘团队，完成自动驾驶功能开发与系统集成

计算机、自动化、控制、车辆工程、机器人、人工智能等相关专业，本科、硕士及以上学历。

具备扎实的数学、算法、控制理论或机器学习基础，有自动驾驶、机器人、智能车辆相关项目经验优先。

熟练掌握C++或Python，熟悉Linux开发环境，具备良好的编程和算法实现能力。

了解A*、Lattice、Frenet、ST Graph、QP、SQP、MPC等一种或多种规划算法。

了解车辆运动学、动力学模型及横纵向控制基本原理。

了解自动驾驶感知、预测、定位、地图、规划、控制等模块及基本系统架构。

具备较强的算法分析、问题定位和工程实践能力，能够通过仿真或实车数据进行算法验证与优化。

了解Transformer、Diffusion、Flow Matching、E2E Planning等技术者优先。

具有深度学习、强化学习、Imitation Learning、PPO、GRPO、Offline RL等科研或项目经验者优先。

有L4 Robotaxi、Robotruck、智能车、机器人、CARLA、ROS等相关项目或竞赛经验者优先。 加分项 * 有自动驾驶Planning/Control相关科研或项目经验； * 有L2+/L4自动驾驶或Robotruck相关项目经验； * 有车辆动力学建模、MPC、LQR等控制算法项目经验； * 有E2E Planning、Diffusion、Flow Matching轨迹生成经验； * 有Transformer、BEV、Occupancy、World Model等相关研究经验； * 有强化学习、GRPO/PPO、Offline RL或Reward Model相关经验； * 有CARLA、ROS、LGSVL等自动驾驶仿真平台使用经验； * 有自动驾驶、机器人、智能车等竞赛或开源项目经验