比亚迪｜高级算法工程师

1、负责运动控制系统的算法开发、维护及优化； 2、负责根据运动控制系统算法需求，输出算法设计文档以及开发方案； 3、负责设计算法测试方案并输出测试报告。 1.独立设计并搭建机器学习、数据科学算法模型，持续优化模型精度与业务效果。 2.负责大模型Agent、智能问答、知识体系优化，完成检索、生成效果调优，落地智能体业务场景。 3.独立构建高质量训练、推理数据集，设计数据过滤、增强、评估方案。 4.独立输出专业数据分析报告、算法结论，推动模型及分析成果在营销、供应链等业务落地。 协助带教初级工程师，沉淀算法开发规范与技术经验。 1、负责视觉语言模型(VLM)、视觉生成模型等世界模型、自动驾驶及机器人VLA/WAM的模型算法研发，包含模型架构研发、数据体系与训推范式研发； 2、负责视觉语言模型(VLM)、视觉生成模型等世界模型、自动驾驶及机器人VLA/WAM等方向构建开源研究体系，提高比亚迪在AI模型研发领域的学术声誉； 3、负责满足自动驾驶自研/机器人/大模型业务场景的算法预研需求，为各个业务下一代算法方案落地提供领先业界一代的基础技术。 1、智能体设计与开发：基于大语言模型开发各类智能体应用，包括但不限于代码助手、文档生成工具、自动化流程等； 2、效率工具构建：开发提升研发团队工作效率的AI工具和平台； 3、模型集成与优化：将大模型能力集成到现有系统中，进行性能调优； 4、技术调研与创新：跟踪前沿技术动态，探索智能体在不同业务场景的应用可能性。 1、参与业务算法方案设计、模型开发、实验验证、效果调优与落地部署，支撑实际业务场景。 2、负责数据处理、特征工程、模型训练、评估与迭代，分析模型效果，定位问题并持续优化。 3、调研前沿算法、论文，结合业务场景做技术选型与方案落地。 4、与研发、产品、测试团队协同，完成算法对接、版本迭代，输出算法文档、实验报告。 5、跟进线上模型效果监控，处理线上问题，保障算法稳定运行。 (以下方向可供选择) 1、负责泊车功能产品中建图定位算法的设计、研发与量产交付，覆盖多传感器融合定位、众源建图、视觉位置召回等核心模块； 2、参与泊车功能系统方案与算法方案的路线设计与升级，推动从APA到AVP、车位到车位等场景的持续演进； 3、负责泊车路径跟踪算法的设计、开发与迭代，实现车辆对规划路径的精准跟随，保障泊车轨迹偏差满足精度要求； 4、负责车辆横纵向控制算法的研究与开发，实现横纵向协同控制及拟人化控制，精准输出转向角度、车速等控制参数； 5、负责强化学习控制算法的设计与开发，构建多目标奖励函数，设计适配复杂泊车场景的控制策略模型； 6、负责车辆动力学仿真模型的搭建与优化，基于仿真平台完成控制逻辑验证、参数整定与迭代优化； 7、负责对不同车型进行泊车/AVM系统的算法适配开发，完成软件参数调整、系统集成与车型标定； 8、负责车型交付前的联调、标定、功能测试与性能测试，并对测试问题进行分析、整改与闭环跟踪； 9、构建算法模块高效迭代闭环的体系，提升研发交付的效率和可靠性，提供售后技术支持。 1、研发基于多传感器（激光雷达、摄像头等）的4D时空场景重建和生成算法，融合时序信息实现动态物体和静态场景高精度建模。 2、研发场景生成、可交互视频生成等技术，支持自动驾驶场景的高保真场景生成，用于端到端自动驾驶算法的闭环仿真和强化学习训练。 3、结合闭环仿真结果，对场景生成相关算法进行迭代，推动端到端自动驾驶系统的联合优化。 （以下方向可供选择） 1、负责自动驾驶场景中的数据挖掘与预处理，从海量路采数据中提取高价值场景； 2、开发适配现有框架的生成式/自回归式轨迹规划模块与决策策略； 3、负责后处理强化学习（RL）算法的集成与调试，优化决策规划模块在复杂场景下的表现； 4、负责轨迹预测、行为规划相关算法的研发与迭代； 5、参与设计高效的数据闭环架构，包括数据采集、清洗、自动化标注、模型训练、仿真评测及 OTA 部署的全链路工具链建设； 6、利用生成式 AI 技术扩充长尾场景数据，提升规控算法在 Corner Case 下的泛化能力； 7、与感知、部署团队紧密协作，推动算法从数据到实车的完整闭环落地。 1、负责世界模型（World Model） 算法的研发与优化，支持 L2+ 至 L4 级别自动驾驶系统的环境建模与时序预测能力； 2、结合世界模型进行端到端算法预研与量产落地，提升端到端模型在真实场景中的泛化性； 3、参与车位到车位端到端智驾全链路研发，实现从感知+决策规划端到端的一体化模型开发与落地； 4、参与VLA大模型 + 世界模型在自动驾驶场景中的适配、训练与迭代，支撑自然语言导航、场景理解、驾驶动作生成； 5、研发自动驾驶世界模型的场景时空建模、未来状态预测、动态交互推演能力，利用生成式 AI 扩充长尾场景，优化端到端策略； 6、负责模型训练、数据闭环、仿真验证、实车调优与车载部署，推进端到端功能量产落地； 7、持续跟进端到端智驾、VLA 大模型、世界模型领域前沿技术，开展技术预研与架构迭代。 1、主导3D高斯溅射（3D Gaussian Splatting）算法开发，包括高斯点初始化、可微分渲染、自适应密度控制（动态分裂/删除冗余点）等核心模块，提升重建精度与效率； 2、结合NeRF、扩散模型（Diffusion）等前沿技术，优化行车场景建模（地面、车辆、柔性物体、行人等）； 3、设计3DGS渲染管线，涵盖模型加载效率优化、单时刻多帧图像渲染方式选择与裁剪等环节，确保实时渲染； 4、优化渲染性能，通过CUDA并行计算、显存压缩等技术，降低延迟与资源消耗。 1、负责具身智能模型算法研发、训练、迭代与效果调优，搭建机器人端到端模型体系； 2、推进模型仿真验证、真机部署落地，完成模型性能评测、问题定位，打通仿真到实体机器人的迁移优化； 3、跟踪具身智能前沿算法、论文与行业方案，开展技术预研，具备一定的行业影响力。 1、参与地图前融合模型开发与优化，协助完成导航地图信息接入方案设计、模型实现、训练、评测和数据处理； 2、参与路径生成与行驶预测算法开发与优化，协助完成路径预测方案设计、模型实现、训练与评测； 3、参与强化学习 / 模仿学习等端到端导航预测算法的探索与优化； 4、参与实车问题分析，协助完成问题定位、复现与迭代优化。 1、参与多传感器（图像、激光雷达、毫米波）融合感知算法的开发与优化，协助完成车道线检测、信号灯/标志牌识别等核心模块工作。 2、参与动静态目标检测、分割、跟踪等核心感知模块的算法设计与实现，配合完成模型训练、调优与测试。 3、协助完成数据采集、生产、回放、清洗、标注、质检等数据全流程工作，支撑算法迭代闭环。 4、参与模型端侧部署与推理加速工作，配合团队完成模型从训练到部署的全流程协同。 5、协助平台方案制定、技术选型评估、传感器规划等工作，了解感知算法整体研发流程。 1、负责对话管理、对话生成、信息检索及推荐系统等关键技术的研发； 2、负责大规模预训练语言模型的研发、部署、微调,主要涉及功能实现、性能优化、系统调优、硬件适配等工作； 3、为产品应用提出定制化模型并工程实现； 4、紧跟NLP最新进展，探索前沿技术并解决产品问题。 1、负责语音识别算法研发，针对在线识别和离线识别技术，优化各种车载场景的字准。 2、负责语音信号处理算法的研发，针对回声消除场景，语音分离场景，打造稳定可靠的语音消除效果，服务于后端唤醒和识别模型。 3、语音合成算法研发，为车机端提供定制化合成，语音复刻等功能。 4、负责声纹识别相关算法研发，在车机端提供身份识别，年龄识别和性别识别等功能。 1、算法设计与开发：负责基于强化学习的自动驾驶决策规划模型设计、训练、调优与验证，主导模型架构选型（如生成式端到端 + 规则式 fallback 方案）与性能优化，确保模型输出符合真实驾驶场景需求。 2、数据处理与闭环：参与多模态传感器数据（摄像头、激光雷达、毫米波雷达等）的采集、清洗、标注与管理，构建高质量数据集并维护数据闭环系统，支撑模型迭代与长尾场景覆盖。 3、仿真与实车测试：开展模型离线验证与指标评估，通过仿真平台（如天演仿真平台）进行场景测试，参与实车调试与问题分析，优化模型在复杂工况下的鲁棒性。 4、策略优化与迭代：设计强化学习 reward 函数与训练策略，解决模型在变道、跟车、路口通行等场景中的行为优化问题，推动模型通过 OTA 方式持续迭代升级。 5、跨模块协同：参与车辆运动学控制策略开发，协调纵向扭矩、制动系统与强化学习模型的接口定义，配合动力域、底盘域完成系统集成与联调 。 1、设计并实现以模型为核心的自动驾驶规划算法，包括但不限于：基于深度强化学习的行为决策模型（如模仿学习、逆强化学习）；基于Transformer/扩散模型的轨迹生成与多模态规划；结合预测与规划的联合优化模型（如集成预测-规划网络、交互式联合推断）。 2、构建大规模驾驶数据集（含激光雷达/摄像头/高精地图/历史轨迹），用于训练规划模型； 3、设计评估指标（如模仿精度、成功率、安全性、舒适性），进行离线与闭环评测； 4、解决规划模型中的长尾分布、分布外（OOD）泛化及安全约束嵌入问题。 1、负责自动驾驶端到端大模型（E2E Foundation Model）的系统架构设计，以及与感知域、预测域、执行域的算法接口定义； 2、负责端到端基座模型的预训练（Pre-training）策略开发，包括多模态数据配比及大规模分布式训练架构设计； 3、负责端到端模型的后训练（Post-training）流程开发，涵盖有监督微调（SFT）、基于人类/专家反馈的强化学习、以及针对驾驶行为的偏好对齐（Preference Alignment）； 4、负责模型算法调优，包括纵向/横向/垂向运动输出的回归精度优化、长尾场景覆盖、边界工况（如高速变道、复杂路口）下的策略鲁棒性提升； 5、负责模型量化与部署，包括 INT8/FP8/W4A8 量化方案设计、TensorRT/ONNX 推理图优化、车载芯片（如 Orin、征程）上的端侧部署与实时性达标验证； 6、负责建立端到端模型的闭环评测体系，包括仿真（nuPlan/Waymo Open）与实车数据的 benchmarking，推动模型迭代的数据飞轮建设； 7、参与跨域协同，与底盘控制、动力域及感知团队对齐规控输出接口（如加速度指令、曲率规划、安全边界约束），确保算法可落地执行。 1、音频算法研发：负责策划和研发音频算法，包括主动噪声控制、回声消除、音效、AI调参等； 2、音频算法搭载策略设计：与相关方对接，根据边界条件制定音频算法的搭载方案，包括Flash读写规则、算法Boot规则、OTA策略等； 3、音频算法量产问题跟踪：及时响应产侧需求，协助产侧问题的排查和解决。 1.负责激光雷达核心算法的设计、开发、优化及产品化落地； 2.负责激光雷达关键性能指标的算法优化，包括探测距离、弱目标检测能力、测距精度、点云质量、虚警率、漏检率及复杂环境适应能力等； 3.负责激光雷达算法仿真、数据分析、实验验证和量产验证； 4.负责关键算法技术预研，针对下一代高性能激光雷达和激光雷达与其它传感器前融和开展前瞻性算法研究； 5.负责激光雷达算法在不同计算平台的协同优化工作； 6.负责核心算法技术文档、算法设计规范、测试规范及技术成果沉淀； 7.对关键技术问题进行技术攻关，并承担相关技术指导和团队技术能力提升工作。 1、负责基座大模型预训练、指令微调、强化学习等全流程训练方案设计与实施； 2、优化训练数据配比、清洗及质量评估策略，提升模型基础能力； 3、 设计并调优训练超参数、学习率调度、模型并行策略，提升训练效率； 4、 跟踪前沿训练技术（如MoE、FlashAttention、长上下文扩展），推动模型迭代； 5、 参与训练框架（如Megatron、DeepSpeed）的定制开发与性能优化； 6、 配合推理团队完成模型压缩、量化及部署适配； 7、 编写训练日志、实验报告，沉淀训练方法论。 1、主导收集、清洗、标注和分析大规模数据集，为模型训练提供高质量的数据支持，增强模型的性能； 2、负责移植图像处理、机器视觉等算法至相关产品、设备平台，保证算法的落地； 3、负责相关产品软件算法的设计与开发，完成产品算法功能落地与推广应用； 4、负责新技术新算法的预研、孵化和移植工作，完成新算法技术的推广应用； 5、负责对现有算法的升级和优化，改善算法落地过程中的现存问题，持续优化算法技术； 6、跟踪相关领域的技术发展趋势，形成技术分析报告。 "1、 研发机器人场景下的语音分离与降噪算法，提升复杂环境下的语音清晰度； 2、设计并优化端侧轻量化模型，满足机器人低延迟、低功耗需求； 3、构建多通道麦克风阵列处理方案，实现声源定位与波束成形； 4、 负责数据采集、标注及仿真环境搭建，提升模型泛化能力； 5、 跟踪前沿技术（如自监督分离、扩散模型降噪），推动算法迭代； 6、 配合嵌入式团队完成模型部署及性能调优； 7、 撰写技术文档与实验报告，沉淀算法经验。" 1、主导收集、清洗、标注和分析大规模数据集，为模型训练提供高质量的数据支持，增强模型的性能； 2、负责移植图像处理、机器视觉等算法至相关产品、设备平台，保证算法的落地； 3、负责实施零部件详细结构设计，输出数模、图纸以及相关技术文档，确保产品符合客户需求； 4、负责相关产品软件算法的设计与开发，完成产品算法功能落地与推广应用； 5、负责新技术新算法的预研、孵化和移植工作，完成新算法技术的推广应用； 6、负责对现有算法的升级和优化，改善算法落地过程中的现存问题，持续优化算法技术； 7、跟踪相关领域的技术发展趋势，形成技术分析报告。 1、哨兵功能、脚踢功能、CPD功能、占位检测功能算法开发 2、实车算法测试、标定、场景优化 3、算法转C语言、落地到MCU侧 1、参与自动驾驶感知算法（如BEV感知、3D目标检测、语义分割、多传感器融合等）的研发与优化。 2、负责数据集的构建、清洗与增强，完成模型训练、评测与可视化分析。 3、在导师指导下进行模型轻量化（量化、剪枝、蒸馏）及在嵌入式平台（如Orin、TDA4）的部署测试。 4、跟踪前沿技术（端到端、Occupancy Network、World Model等），参与论文复现与算法改进。 5、配合仿真、实车路测团队，完成算法的闭环迭代与性能问题分析。

1、知识技能要求：a.熟练掌握运动控制原理；b.了解复杂系统运动控制算法设计原则，能够分析系统调试问题，优化控制算法；c.熟练掌握常用的算法设计和仿真工具。 2、学历要求： 硕士 3、外语要求：CET-4优先 学历 本科及以上学历。 专业 人工智能、计算机、数学、统计学、数据科学等相关专业。 语言 CET-4优先。 知识技能 1.熟悉Python、SQL，熟练运用各类机器学习、深度学习、时序预测算法。 2.熟悉Agent、大模型应用、智能问答体系，熟悉多模态、检索优化技术。 3.具备良好业务理解能力，可结合业务痛点设计算法方案并落地闭环。 4.具备优秀的数据洞察、报告撰写与跨部门沟通推进能力。 【知识技能要求】 a. 算法研发经验（核心业务能力） 自动驾驶端到端/世界模型/VLA/WAM 算法（BEV/动静 /端到端/VLA/WAM） 机器人世界模型/VLA/WAM 算法（π/GR00T等前沿方法） RL/LLM/NLP/机器人/CV/搜索推荐 之一模型训练 推理优化方向（C/C++/Python + CUDA + TVM / TensorRT / Triton / Cutlass） b. 大模型训练 / 推理工程能力（工具栈） 训练框架熟练：veOmni / veRL / DeepSpeed / Megatron 推理框架熟悉：TVM / TensorRT / Triton / Cutlass 性能 profiling：Nsight 等工具 AI 辅助编程：Claude Code 等工具 【学历要求】硕士/博士 【外语要求】CET-6优先 【专业要求】计算机类/信息与通信工程类/电气工程类 【地点】深圳/北京/上海 知识技能要求：a.扎实的Python编程基础，熟悉主流深度学习框架（PyTorch、TensorFlow等）；b.了解大语言模型（LLM）原理及主流模型；c. 熟悉智能体开发框架（如LangChain、AutoGPT、CrewAI等）；d. 掌握机器学习基础概念，了解RAG、Fine-tuning等技术；e.熟悉Git版本控制，具备良好的代码规范。 学历要求：硕士/博士 外语要求：CET-6优先 知识技能要求：熟悉常用模型，具备基础数据处理、数据分析能力；了解Linux基础操作 学历要求：硕士 外语要求：CET-4 1、学历专业：硕士及以上学历，计算机、自动化、车辆工程、电子信息、数学、物理等相关理工科专业； 2、编程能力：熟练掌握C++或Python，具备良好的编程习惯与代码规范； 3、数学基础：扎实的线性代数、概率论与数理统计基础； 4、控制理论基础：了解PID、LQR等经典控制理论（有MPC、最优控制课程项目经验者优先）； 5、学习与自驱力：对自动驾驶泊车场景有强烈兴趣，具备独立解决问题与快速学习新技术的能力。 加分项（以下任意一项均可） 1、有机器人、自动驾驶相关竞赛（RoboMaster、RoboCup、智能车竞赛等）获奖经历； 2、有SLAM、多视图几何、卡尔曼滤波等算法课程项目或科研经历； 3、有深度强化学习（PPO/DDPG/DQN）项目经验； 4、有Linux/ROS/Simulink使用经验； 5、有车辆动力学建模或CAN总线相关实习/项目经历。 1、精通线性代数、概率论、优化理论，熟悉深度学习模型（Transformer、CNN、RNN 等）、生成式模型（如StableDiffusion等）； 2、具备扎实的计算机视觉、多视图几何、SLAM、NERF、3DGaussian Splatting等理论基础； 3、精通 Python/C++编程，熟悉常用深度学习框架（PyTorch/TensorFlow）和点云处理库（PCL/Open3D）； 4、有相关方向的顶会、顶刊论文发表加分，有国际竞赛获奖经历加分。 1、学历专业：硕士及以上学历，计算机科学、人工智能、自动化、数学等相关理工科专业。 2、编程能力：熟练掌握Python，熟悉PyTorch/TensorFlow等至少一种深度学习框架； 3、算法基础：良好的数据结构与算法功底，了解强化学习（RL）基本概念（如MDP、Policy Gradient等）； 4、数据分析能力：具备基本的数据处理、分析与可视化能力； 5、逻辑思维：能够清晰拆解问题，具备实验对比与结果分析能力。 加分项（以下任意一项均可） ： 1、有强化学习项目经验（PPO/DQN/DDPG等）； 2、有行为规划、轨迹预测、路径规划相关科研或实习经历； 3、有大规模数据挖掘、数据闭环相关项目或实习经验； 4、有RoboMaster/RoboCup/智能车竞赛等机器人或自动驾驶相关竞赛获奖经历。 1、学历专业：硕士及以上学历，计算机科学、人工智能、自动化等相关专业（博士优先）。 2、编程与框架：熟练掌握Python，熟练使用PyTorch或TensorFlow； 3、深度学习基础：深入理解CNN/Transformer/扩散模型等基础架构原理； 4、科研素养：具备良好的文献阅读能力、实验设计能力与论文写作能力； 5、问题拆解能力：能够将复杂驾驶场景抽象为可建模的AI问题。 加分项 ： 1、在CVPR/ICCV/ECCV/NeurIPS/ICLR/ICML等顶会发表过论文（一作或共同一作）； 2、有计算机视觉/生成模型/世界模型/多模态大模型相关科研项目或实习经历； 3、有ACM-ICPC等编程竞赛获奖经历； 4、有开源项目核心贡献经历。 1、硕士及以上，计算机、机器人等相关专业，熟练使用 C++/Python语言及常见的数据结构； 2、对以下至少一个方面有实际经验：LLM/VLM、VLA、World Model、RL； 3、有大模型/具身模型开发优化经历，具备优秀的算法探索及工程实现能力。 1、本科及以上学历，机器人、计算机、人工智能、控制工程、自动化、运筹学、测绘遥感等相关专业。 2、具备扎实的编程基础，熟练掌握 Python/C++ 至少一门编程语言，有相关项目或实践经历者优先。 3、了解深度学习/强化学习基础知识，对多模态融合、路径规划、运筹优化或机器人决策等算法有基础认识，有相关竞赛、课题、实践经历者优先。 4、对智能驾驶、机器人导航、具身智能等领域有浓厚兴趣，具备较强的自主学习能力与逻辑思维能力。 5、具备良好的团队协作意识与沟通能力，做事踏实负责，能主动跟进任务。 1、本科及以上学历，计算机、人工智能、电子信息、自动化、测绘遥感等相关专业。 2、具备扎实的编程基础，熟练掌握 Python/C++ 至少一门编程语言，有相关项目或实践经历者优先。 3、了解深度学习基础知识，对目标检测、图像分割、多传感器数据处理或目标跟踪等感知算法有基本认识，有相关竞赛、课题、实习经历者优先。 4、对智能驾驶、多传感器融合感知领域有浓厚兴趣，具备较强的自主学习能力与逻辑思维能力。 5、具备良好的团队协作意识与沟通能力，做事踏实负责，能主动跟进任务。 1、硕士及以上学历，计算机、通信、数学等相关专业；在数学或编程竞赛中有突出表现者优先；良好的中英文文献阅读能力，能够快速使用开源框架。 2、深入理解 LLM 技术栈（如 RLHF、Context Engineering、LoRA 微调等），具备单模态/多模态 LLM 训练、部署与蒸馏的实践经验。 3、深入理解CV目标检测、图像分类、图像分割等算法，具有对应项目实践经验。 4、精通 Python/PyTorch，熟悉 CUDA 优化，具备扎实的 Python/C++ 编程能力；熟练使用PyTorch、Keras、Megatron等主流深度学习框架，熟悉DP、TP等并行技术。 1、硕士及以上学历，有机器学习，深度学习方面的背景； 2、熟悉语音识别，信号处理，语音合成，声纹识别等几个方向中的一个； 3、熟悉tensorflow，pytorch等模型训练工具，编程功底扎实； 4、具有较强的自驱能力和钻研精神，具有良好的沟通能力和团队合作能力，综合能力较强。 1、专业技能：精通强化学习算法（如 PPO、SAC、DQN 等）与框架（如 TensorFlow、PyTorch），熟悉生成式端到端模型架构（如视觉基础模型 + 扩散轨迹生成器）。 2、工具与方法：熟练使用 C/C++、Python 进行算法开发，掌握 MATLAB/Simulink、ROS 等工具，熟悉自动驾驶仿真平台（如 CARLA、天演仿真平台）的使用。 3、领域知识：熟悉车辆运动学、动力学理论，了解底盘纵向系统（如 AD 底盘控制、能量回收协调）与线控硬件（如 EHB、EMB）的工作原理。 4、项目经验：至少具备一项自动驾驶强化学习项目开发经验，有实车测试或量产落地经验者优先。 5、软技能：具有良好的沟通能力与团队协作精神，能够跨部门协调资源，推动项目按时交付。 1、计算机、自动化、数学、车辆工程等相关专业，硕士及以上学历； 2、深度学习模型开发经验，有自动驾驶或机器人相关项目或者比赛经历； 3、精通PyTorch/TensorFlow/JAX等至少一种深度学习框架，能独立完成模型训练、评估及调优； 4、熟悉CNN/Transformer/RNN等常见模型结构，对模型训练中的梯度优化、损失函数设计、正则化等有深入实践； 5、具备良好的编程能力，熟练掌握Python/C++，有Linux环境开发经验； 6、熟悉至少一种自动驾驶相关任务（3D目标检测、车道线拓扑、多模态轨迹预测、端到端规划等），能阅读并复现相关顶会论文。 【加分项】 1、有端到端自动驾驶模型开发经验； 2、熟悉模型在嵌入式设备（如Orin、TDA4、地平线J5等）上的部署流程，使用过TensorRT/ONNX Runtime/OpenVINO等工具； 3、有大规模分布式训练、模型量化、知识蒸馏等实践经验； 4、在CVPR/ICCV/ECCV/CoRL/IROS等会议或期刊发表过自动驾驶相关论文； 5、参与过自动驾驶公开数据集（如nuScenes、Waymo Open Dataset、Argoverse）并取得优秀榜单成绩； 6、熟悉C++模型推理框架编写，或有模型与ROS/Apollo等系统集成的经验； 7、参加过robomaster或者自动驾驶相关比赛同学优先。 1、熟悉自动驾驶规划控制系统，理解纵向/横向运动控制、能量回收协调、轨迹跟踪等底层执行逻辑，具备将物理约束融入模型输出的能力。 2、至少具备以下一项大模型方向的项目开发经验： - 端到端自动驾驶模型（如 UniAD、VAD、DriveVLM、Senna） - 大语言/多模态模型预训练或后训练（SFT/RLHF/DPO） - 视觉-语言-动作模型（VLA）在机器人或驾驶场景的落地 3、精通 Python/C++，熟练使用 PyTorch；熟悉 CUDA 编程或 Triton kernel 开发者优先。 4、熟悉以下一种或多种规控相关方法，并理解其与神经网络输出的结合方式。 - 基于优化的方法：MPC、iLQR、轨迹优化 - 基于学习的方法：Imitation Learning、Offline RL、World Model 5、熟悉模型轻量化技术，包括量化（PTQ/QAT）、蒸馏（Knowledge Distillation）、剪枝（Pruning）及 TensorRT/vLLM 推理加速。 6、熟悉车辆运动学与动力学理论，理解轮胎模型、自行车模型等物理约束对规控输出的边界意义。 7、具备良好的跨团队沟通能力，能与感知、底盘、芯片等多域团队高效协作，推动算法从离线指标到实车落地的完整闭环。 【加分项】有nuPlan/Carla闭环仿真经验；参与过Waymo/nuScenes等公开benchmark竞赛；有车载芯片（Orin/BPU/NPU）部署调试经验。 1、声学、信号处理、自动化等相关专业优先； 2、对信号处理算法领域有较好的理解，并在下述某个领域有所特长：经典信号处理如傅里叶变换，统计信号处理如CPSD，自适应滤波算法如卡尔曼滤波，AI信号处理如AI EC、AI NR； 3、语言编程能力：matlab/C/C++/Python任一项； 4、有语音处理、音频编解码、感知体验、声环境、机器学习、神经网络等开发经验者优先； 5、有算法落地和优化经验者优先，如DSP上的音效算法落地，SoC上的ECNR算法落地； 6、具备良好的英文文献阅读和写作能力； 7、具有独立开展科研工作的能力； 8、具有团队合作精神，有责任心，工作勤奋、踏实，良好的沟通及学习能力。 1.博士研究生学历，电子信息、通信、自动化、计算机、光电、数学、物理等相关专业； 2.具备扎实的数字信号处理、概率统计、数值分析、优化理论等基础； 3.熟悉信号检测、滤波、FFT、峰值检测、参数估计、统计建模等常用算法； 4.具备较强的数学建模和算法抽象能力，能够从物理机理、数据特征及数学模型出发解决复杂工程问题； 5.熟悉C/C++、Python、MATLAB等一种或多种开发语言； 6.有激光雷达、SPAD、ToF、雷达信号处理、计算机视觉、3D感知、机器人等相关研究或项目经验优先； 7.具有较强的算法工程化意识，能够将理论算法转化为可实现、可验证、可量产的工程算法； 8.具有高水平论文、专利、科研项目或产业化项目成果者优先； 9.具有较强的跨专业协同能力，能够与芯片、硬件、光学及软件团队共同解决系统级问题。 知识技能要求：熟悉Transformer架构，精通PyTorch，有大规模分布式训练经验 学历要求：博士 外语要求：能流畅阅读前沿论文 知识技能要求:1.熟悉数据分析、信号与系统、、软件工程基础理论、机器人学运动学等相关知识； 2.熟悉自动控制原理、现代控制理论； 3.熟悉机器学习算法、深度学习算法和优化算法等； 4.熟悉所开发产品的基础知识和控制原理。 学历要求：硕士 外语要求：英语+CET4 知识技能要求：精通深度学习与信号处理，熟悉RNN/Transformer及降噪模型，有实时音频处理经验 学历要求：硕/博士 外语要求：英能阅读国际论文 知识技能要求:1.熟悉数据分析、信号与系统、、软件工程基础理论、机器人学运动学等相关知识； 2.熟悉自动控制原理、现代控制理论； 3.熟悉机器学习算法、深度学习算法和优化算法等； 4.熟悉所开发产品的基础知识和控制原理。1.熟悉java/PHP/python/c++/C语言等编程语言； 2.掌握常见的机器学习和深度学习模型； 3.掌握一种或多种深度学习模型的部署方法； 4.掌握至少一种关系型数据库mysql/postgresql等； 5.熟悉多种软件开发工具，包括但不限于‌IntelliJ IDEA/Git/SVN等； 6.掌握Linux服务器的操作； 学历要求：硕士 外语要求：英语+CET4 知识技能要求： 1、研究算法相关的理论，对算法进行优化，持续优化算法工作； 2、负责用编程语言实现算法供后端验证； 3、负责软件算法的应用实现和测试工作，保证软件算法实现； 4、负责编写算法设计和实现的文档，维护更新算法文档库； 5、负责现在算法的维护及问题的跟踪解决，完成算法问题记录和跟踪解决； 学历要求：硕士 外语要求：CET-4优先 1、计算机、人工智能、车辆工程、自动化等相关专业优先，硕士学历，英语CET-4； 2、精扎实的深度学习理论基础，熟悉CNN、Transformer、BEVFormer、PointPillars等主流感知模型。 3、熟练使用PyTorch/TensorFlow，有一定的Python/C++编程能力，了解Linux开发环境。 4、有自动驾驶相关项目经验（如KITTI/nuScenes/Waymo数据集上的算法实践、实车测试、仿真验证等）。 5、具备良好的文献调研与快速学习能力，能快速复现论文方法并进行改进。 6、对自动驾驶技术有强烈热情，善于团队协作，能接受一定的实车路试支持任务。 专业要求：控制类、电子类、电气类、机械类专业优先；计算机类/信息与通信工程类/电气工程类；计算机类相关专业；计算机、人工智能、自动化等相关专业；计算机科学与技术类、控制科学与工程类专业优先；声学、信号处理、计算机等相关专业；电子信息专业、计算机科学与技术类、控制科学与工程类专业优先