滴滴ML planner算法工程师(J250611018)

负责自动驾驶远程协助（RA）相关算法开发工作。包括但不限于RA脱困规划算法、RA链路开发等。

作为AI Agent系统工程师，我们将一起打造面向物理世界、可长期运行的 AI Agent 系统，服务于具身智能、机器人、复杂人机交互等场景。我们的工作不限于模型训练，包括不限于： 1、长时程Agent的规划与执行框架； 2、面向复杂任务的层次化规划； 3、可控、可演进的Agent Memory/Summary等机制； 4、从“能跑”走向“稳定跑”的Agent系统。

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。

我们正在寻找一名全职的机器学习编译器工程师,对建立先进的机器学习编译器基础设施有深入的了解和强烈的热情，以便在通用目的GPU或定制SoC上部署先进的自动驾驶模型。 开发ML编译器，使机器学习模型能够在通用GPU或小鹏汽车定制的SoC芯片上运行，具体的工作包括： 1、clang/MLIR/LLVM编译器工具链开发，包括C/C++、汇编器、链接器。 2、各种前端优化，包括各种计算图优化。 3、各种后端优化，包括通过异构内存管理、分块和并行化。 4、测试和分析编译器部署的模型。