百度实习路测工程师（J71352）
任职要求
-25届及以后毕业优先，计算机科学、车辆工程或相关领域的本科生或硕士研究生 -熟练掌握 C/C++ 编程语言，具有 Python 编程经验者优先考虑 -对 Linux/Unix 操作系统的基本原理…
工作职责
-负责智能驾驶产品在实际道路环境下的测试工作，包括测试方案的制定和实施，以及测试报告的编写 -管理和培训外包路测团队，提高路测工作的整体效率 -开发和维护路测工具，保证工具的稳定性和可用性 -结合测试业务需求，开发评测工具和自动化测试工具来提升测试流程的效率
以数据为尺，量化评估自动驾驶能力，获得的机会： 有明确的落地场景和真实的海量数据，每一个进步都影响着未来出行的形态 积极，友善，有热情的团队，和优秀的同学一起工作。 1、指标体系：理解自动驾驶业务需求，深入业务本身负责或参与梳理业务流程，设计指标体系和数据链路，并进行开发和实现 2、场景挖掘：利用大数据技术和AI能力，自动挖掘路测和人驾数据中高价值交通场景，为算法迭代和评估提供数据基础 3、自动驾驶算法评估体系：开发自动化评价标准，对路测和仿真中自动驾驶算法的表现进行客观评价 4、异动分析：对自动驾驶测试数据进行汇总与分析，进行数据变化的归因，利用统计原理发现算法异常或场景变化。
系统集成测试工程师（需要一定硬件背景/嵌入式背景） 部署新研计算平台，域控，传感器及驱动软件至路测车辆，出现问题能够定位并推动解决； 主导新车型下线，定位并推动解决新车型下线中出现的问题； 支持车队运营，对车队运营中出现的硬件问题进行定位并推动解决； 维护车队状态看板，发现车队运营中存在的隐患并推动解决； 支持新车型研发，对新车型研发过程中出现的问题提供解决方案建议；
参与 智能辅助驾驶 Planner（规划器）基座预训练 相关数据处理工作，包括路测 / 仿真数据的矢量化重构、场景切片、时序轨迹清洗、长尾场景筛选与预训练数据集构建； 协助研发 Planner 预训练任务，如轨迹预测自监督、多智能体交互博弈建模等，参与损失函数设计与实验验证； 基于 PyTorch 框架，协助搭建时序规划模型（Transformer/Mamba 等），参与预训练、微调全流程，负责实验日志记录与结果分析； 优化预训练数据 Pipeline，提升数据加载、预处理效率，配合解决训练中的 CPU/IO 瓶颈问题； 跟进智能辅助驾驶规划、具身智能、时序大模型领域前沿论文，参与技术调研与简单算法复现； 协助撰写实验报告、技术文档，配合团队完成项目迭代与成果沉淀。