自动驾驶端到端算法实习生-上海

1.负责自动驾驶端到端（End-to-End）决策规划算法的研发，涵盖基于深度学习、模仿学习（IL）或强化学习（RL）的轨迹预测、行为决策、路径规划等算法模型的开发、训练与迭代；

2.探索前沿自动驾驶端到端大模型（如UniAD, VAD等类似架构）或多模态大模型（VLM）在复杂交通场景下决策规划任务中的应用；

3.负责端到端模型训练数据体系的构建，包括海量人类驾驶专家数据的挖掘、清洗、标注方案设计，以及闭环仿真评测体系搭建；

4.负责端到端模型训练算法优化、闭环仿真验证（Closed-loop Simulation）、模型轻量化及实车部署的算力优化工作；

5.负责内部算法研发、仿真测试及数据工具链的优化和迭代；

6.负责端到端决策规划算法在实车或复杂仿真场景中的落地应用、Corner Case（长尾问题）排查与算法迭代

1.计算机、信息、数学、电子、自动化、机械、测控、汽车等相关专业，硕士及以上学历；

2.能够尽快到岗，至少实习3个月，每周至少出勤3天；

3.具有扎实的数学功底和算法基础，熟练掌握深度学习（DL）、强化学习（RL）、模仿学习（IL）或传统决策规划算法的原理和实现；

4.计算机基础扎实，熟练掌握Python、C/C++编程，熟悉Linux生态，熟悉ROS/ROS2，了解常见的自动驾驶仿真平台（如CARLA、NuPlan、SUMO等）；

5.具备一个或多个DL/RL/大模型/自动驾驶决策规划领域的项目经验，具有较强的分析和解决实际问题的能力，能熟练阅读内外部的英文技术文档；

6.熟悉Pytorch/TensorFlow等主流深度学习框架，有大规模分布式模型训练经验者佳；

7.性格踏实，责任心强，对技术创新充满激情，团队合作、沟通能力佳；

加分项：

1.在CVPR/ICCV/ECCV/CoRL/ICRA/IROS/NeurIPS等顶会/顶刊上发表过端到端自动驾驶、强化学习或大模型相关高水平研究成果；

2.熟悉业界前沿的端到端自动驾驶开源方案（如CARLA Leaderboard高分方案等）；

3.有自动驾驶实车决策规划或端到端模型部署项目经历