滴滴Artificial Intelligence（1）-算法实习生

1. 传统规划控制算法升级与优化：针对泊入泊出、停车场泊车等场景，参与现有基于规则/优化的规划器（如轨迹生成、速度规划、障碍物避让）的性能提升与模块重构，提升舒适性、安全性及泊入泊出成功率。 2. 数据驱动的交互模型开发：利用实际路采数据与仿真平台，参与构建泊入场景中的交通参与者交互行为模型，探索基于学习的方法提升系统在复杂交互环境中的决策能力。 3. ML Planner 集成与协同：协助团队将机器学习规划器（ML Planner）与传统规划模块进行集成，重点验证在泊入场景下的集成策略，整合传统规控方法与模型的优势，推动两者协同工作。

1. 参与优化运动规划算法：融合几何路径与速度规划，实现兼顾安全性与平滑度的轨迹生成。2. 参与设计代价函数与优化框架：通过精细化建模平衡安全、舒适与通行效率，实现最优轨迹生成。

* 参与世界模型（World Model）及生成式视频（Video Generation）相关算法的研究与开发。 * 负责主流视频生成模型（如 WAN、VACE 等）的环境搭建、训练、推理及效果评测，完成实验复现与结果分析。 * 调研并复现最新的学术论文和开源项目，总结技术方案并形成调研报告。 * 协助构建视频生成实验平台，包括数据处理、模型调优、实验管理及自动化评测等工作。 * 与团队共同探索下一代视频生成、Agent、世界模型等前沿方向，参与算法优化与创新。

基于自动驾驶的大规模虚拟仿真/道路测试数据，开发和设计指标评估自动驾驶系统在安全性方面的表现 基于AI大模型开发AI Agent实现自动驾驶问题自动化分析，负责自动驾驶数据平台pipeline开发，与研发工程师和测试工程师紧密合作，保障需求功能上线，推动数据分析工具的落地。