（校招）pnc决策规划控制算法工程师-干线

1. 负责商用车自动驾驶（卡车编队/ 干线物流）决策、规划、控制算法设计与开发，覆盖跟驰编队、变道超车、防撞兜底等场景；

2. 参与决策模块：场景状态机 + 采样/搜索式决策（MPDM、MCTS）、风险与奖励建模、可解释性兜底规则；

3. 参与规划模块：轨迹生成与优化，设计代价/约束（动力学可行性、跟驰时距、安全性硬约束），支持横纵向解耦与联合优化；

4. 参与控制模块：轨迹跟踪控制、执行器标定与补偿、扰动观测器（DOB）、参数估计与模型校正、整车在环验证与实车调试；

5. 与感知/定位/底盘团队联调，推进算法上车、问题定位与性能迭代，输出设计文档与测试分析

基础项（必须）

- 硕士及以上，自动化/控制/车辆/机器人/计算机等相关专业；

- 扎实的数学基础：线性代数、数值优化、概率论与随机过程、信号与系统、控制理论；

- 熟练使用 C++（工程落地）与 Python/Matlab（算法验证）；熟悉 Linux 开发环境；

- 了解自动驾驶整体架构（感知-决策-规划-控制链路）与 ROS/ROS2 等中间件者优先。

方向项（三者懂其一即可）

- 决策方向：掌握采样式/搜索式决策框架，熟悉 MDP / POMDP 建模（状态/动作/奖励/值函数、信念状态）或 MCTS（UCT、RAVE、并行/采样加速）；有不确定性建模（部分可观、驾驶意图推理）或基于学习的决策（模仿学习、RL）经验更佳；

- 规划方向：熟悉凸优化与非线性规划方法，掌握 iLQR / DDP（及其变体）、SQP、ADMM，能推导目标函数/约束的雅可比与黑塞、处理运动学/动力学与安全性约束；有轨迹优化工程经验（MPC、时间最优、避障流形约束）更佳；

- 控制方向：熟悉经典与现代控制理论，掌握频域分析（Bode/Nyquist/稳定性裕度、灵敏度与补灵敏度、整形）或参数辨识（最小二乘、频域辨识、在线递推估计）或扰动估计（扩张状态观测器 ESO/ESO 族、DOB、自适应观测器、卡尔曼滤波）；有执行器延迟/非线性补偿、实车标定经验更佳。

加分项

- 有商用车/卡车（长轴距、挂车运动学、制动力矩大惯量）或编队/队列（V2V）控制经验；

- 有高边场景（高速、重载、紧急制动）下算法的工程化与安全兜底设计经验；

- 有强实时性（10–50 ms 周期）部署与数值稳定性（除零/病态/饱和）处理经验；

- 有赛车/无人机/机器人相关竞赛或开源项目（贡献者/维护者）经历