百度自动驾驶端到端模型算法工程师（J89409）
任职要求
-计算机科学、机器人学、控制工程、应用数学等相关专业硕士/博士在读，或具备同等研究经验。 技术能力 -熟练掌握深度强化学习（DRL）、模仿学习（Imitation Learning）、序列决策（POMDP）等方法的理论与实践 -熟悉数据获取、筛选、清洗流程，对数据有深入的认识和理解。有过数据驱动经验的同学优先 -熟悉PyTorch/TensorFlow框…
工作职责
-设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题，开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹 -研究强化学习（RL）、递推训练等闭环训练技术，提升自动驾驶系统的拟人化水平和实际路测表现 -研究适用于规划模型的数据驱动流程，通过研究数据、认识数据、开发数据来驱动规划能力的增长 -负责PNC产线的工程架构开发和升级，负责PNC数据feature的开发，包括新字段、数据挖掘和数据画像
1. 负责理想汽车自动驾驶端到端模型方法研发和工程落地，包括但不限于动静态感知/通用障碍物/障碍物预测决策等端到端模型； 2. 负责设计高性能上限，具备量产能力的端到端模型算法，包括但不限于diffusion、VLM等模型算法； 3. 开发高效离线训练框架，以及可实时运行的在线推理框架，优化模型推理性能，研发模型部署工具链和优化工具； 4. 建立云端数据感知/决策联合标注Pipeline、数据挖掘机制以及难样本分析等工具链，利用影子模型挖掘众包数据，通过数据闭环持续选代模型能力。
工作职责： 1、参与智能驾驶端到端模型的开发工作，包括但不限于数据处理、模型设计、训练和优化等环节，提升模型在复杂交通场景下的感知、决策和控制能力； 2、结合实际业务需求，对端到端模型进行针对性的优化和调整，确保模型能够准确、高效地处理智能驾驶中的各种任务； 3、参与两段式端到端业务和一端式端到端业务的探索和实践，深入了解不同业务模式的特点和需求，为团队在业务模式选择和优化方面提供有价值的见解和建议；
1.负责研发和落实理想汽车下一代自动驾驶端到端VLA大模型算法，确保在车载和云端平台的成功部署。 2.专注于端到端大模型自动驾驶系统的算法开发和优化，包括但不限于端到端模型、多模态大模型等领域。 3.参与大规模自动驾驶数据集的处理、标注及管理，优化大模型以提升自动驾驶系统的性能。 4.持续关注并跟踪自动驾驶及人工智能领域的最新技术进展，进行技术调研及新技术的原型验证。
工作职责： 端到端模型开发与优化 1、参与智能驾驶端到端模型的开发工作，包括但不限于数据处理、模型设计、训练和优化等环节，提升模型在复杂交通场景下的感知、决策和控制能力； 2、结合实际业务需求，对端到端模型进行针对性的优化和调整，确保模型能够准确、高效地处理智能驾驶中的各种任务，如目标检测、车道线识别、行为预测等； 3、参与两段式端到端业务和一端式端到端业务的探索和实践，深入了解不同业务模式的特点和需求，为团队在业务模式选择和优化方面提供有价值的见解和建议；