百度自动驾驶深度学习预测规划算法工程师（J79397）
任职要求
-计算机/汽车/自动化等相关专业硕士及以上学历 -具备优秀的沟通能力和跨团队组织协调能力 -具备智能驾驶预测/决策规划模型研发经验，有量产落地经验者优先考虑 -有扎实的深度学习理论基础，有机器人相关领域高水平论文发表者优先考虑 -编程基础扎实，工程能力出众，至少熟练掌握C++/Python中的一种，熟悉多线程编程/GPU加速者优先考虑
工作职责
-负责自动驾驶系统中基于深度学习的轨迹、意图预测算法的研究与实现 -研发自动驾驶决策规划大模型，利用模仿学习、强化学习等技术，实现复杂交通场景下的端到端自动驾驶 -参与端到端智驾系统设计与讨论，输出技术架构与设计方案 -负责智驾系统问题分析优化，识别模型算法与数据缺陷，并做出改进 -处理大规模数据集，进行数据清洗、特征提取、模型训练和评估，优化算法的性能和效果
决策算法开发: -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； -研究多智能体强化学习（MARL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平； -运动规划与轨迹生成； -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； -探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）； -交互与泛化能力提升； -构建驾驶员行为预测模型，研究长尾场景（Corner Cases）的决策泛化能力，利用对抗训练、元学习等方法增强系统鲁棒性。
决策算法开发: -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； -研究多智能体强化学习（MARL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平； -运动规划与轨迹生成； -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； -探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）； -交互与泛化能力提升； -构建驾驶员行为预测模型，研究长尾场景（Corner Cases）的决策泛化能力，利用对抗训练、元学习等方法增强系统鲁棒性。
-负责预测、VLM/VLA、Neural Planner模型研发，用深度学习算法解决/重构规划任务 -负责深度学习模型设计、数据生成、在离线评测和车端部署 -负责数据闭环能力建设，数据驱动提升模型性能 -与上下游模块协同，优化Robotaxi安全性和智能性 -探索自动驾驶端到端大模型技术路径
1、应用先进的深度学习算法，解决自动驾驶中智能体的行为理解、预测和规划问题 2、研究和发展创新性的 VLM 和 VLA 模型，用以实时理解和预测其他交通参与者的行为，并做出合理运动规划 3、开发基于AI算法的行为模型，并应用于车端预测、规划系统或仿真中的 Smart/Sim Agent 4、设计和优化基于AI 算法的在线预测和规划系统，增强系统的实时性和鲁棒性 5、开发和完善模型训练的离线系统，包括数据挖掘、数据处理和模型评估及可视化。